| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 运动目标检测跟踪技术研究现状 | 第9-13页 |
| 1.2.1 目标特征选取 | 第9-10页 |
| 1.2.2 运动目标检测算法 | 第10-12页 |
| 1.2.3 运动目标跟踪算法 | 第12-13页 |
| 1.3 跟踪技术中的难点及性能要求 | 第13-15页 |
| 1.3.1 目标跟踪中的难点 | 第13-14页 |
| 1.3.2 跟踪技术的性能要求 | 第14-15页 |
| 1.4 本文的内容安排 | 第15-16页 |
| 2 基于特征点的目标检测技术 | 第16-26页 |
| 2.1 基于特征点的目标检测技术简述 | 第16-17页 |
| 2.2 Harris 检测算法 | 第17页 |
| 2.3 SIFT 特征检测算法 | 第17-21页 |
| 2.3.1 检测尺度空间极值点 | 第18-19页 |
| 2.3.2 精确定位极值点 | 第19页 |
| 2.3.3 关键点描述子的生成 | 第19-21页 |
| 2.4 SURF 特征检测算法 | 第21-23页 |
| 2.4.1 构建 Hessian 矩阵 | 第21-22页 |
| 2.4.2 构建尺度空间 | 第22-23页 |
| 2.4.3 精确定位特征点及特征描述子生成 | 第23页 |
| 2.5 三种算子性能比较试验 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 基于 SURF 和 Kalman 滤波的目标跟踪 | 第26-40页 |
| 3.1 Kalman 滤波原理及应用 | 第26-31页 |
| 3.1.1 基础 Kalman 滤波 | 第27-29页 |
| 3.1.2 Kalman 滤波器在目标跟踪中的应用 | 第29-31页 |
| 3.2 基于 SURF 和 Kalman 滤波的改进算法框架 | 第31-32页 |
| 3.3 基于 SURF 匹配的运动目标检测 | 第32页 |
| 3.4 运动目标跟踪与定位 | 第32-34页 |
| 3.5 基于 Kalman 滤波器的更新策略 | 第34-35页 |
| 3.6 直方图再匹配进行排错 | 第35-36页 |
| 3.7 试验结果分析 | 第36-39页 |
| 3.7.1 算法性能试验 | 第36-38页 |
| 3.7.2 性能分析 | 第38-39页 |
| 3.8 本章小结 | 第39-40页 |
| 4 基于目标模型的多摄像机协同的目标跟踪 | 第40-49页 |
| 4.1 问题描述 | 第40-42页 |
| 4.2 多摄像机间的协调与同步 | 第42-44页 |
| 4.2.1 多摄像机之间的协调 | 第43页 |
| 4.2.2 多摄像机之间的同步 | 第43-44页 |
| 4.3 改进算法流程 | 第44-46页 |
| 4.3.1 软件体系架构 | 第44页 |
| 4.3.2 改进算法流程 | 第44-45页 |
| 4.3.3 目标交接方法 | 第45-46页 |
| 4.4 仿真结果及分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 结论与展望 | 第49-51页 |
| 5.1 论文总结 | 第49页 |
| 5.2 建议及研究展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 附录 | 第58页 |
| A．作者在攻读硕士学位期间发表的论文目录 | 第58页 |
| B．攻读学位期间取得科研成果 | 第58页 |
| C. 缩略词 | 第58页 |
