| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究与应用 | 第9-10页 |
| 1.2.2 国内研究与应用 | 第10-11页 |
| 1.3 目标检测跟踪概述 | 第11-13页 |
| 1.4 本文主要内容与结构安排 | 第13-15页 |
| 2 红外图像特性研究与分析 | 第15-21页 |
| 2.1 红外成像原理 | 第15-16页 |
| 2.1.1 红外成像基本原理 | 第15页 |
| 2.1.2 红外成像系统的选取 | 第15-16页 |
| 2.2 红外图像特性分析 | 第16-20页 |
| 2.2.1 红外图像与可见光图像比较 | 第16-17页 |
| 2.2.2 红外图像行人目标特性分析 | 第17-18页 |
| 2.2.3 红外图像背景特性分析 | 第18-19页 |
| 2.2.4 红外图像噪声特性分析 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 红外图像预处理 | 第21-33页 |
| 3.1 红外图像非均匀性校正算法 | 第21-30页 |
| 3.1.1 基于定标的非均匀性校正算法 | 第21-24页 |
| 3.1.2 基于场景的非均匀性校正算法 | 第24-28页 |
| 3.1.3 改进的基于恒定统计的自适应修正均值滤波校正算法 | 第28-30页 |
| 3.2 红外图像增强算法 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 4 红外图像行人目标检测 | 第33-62页 |
| 4.1 红外序列图像候选目标提取 | 第33-45页 |
| 4.1.1 常用的基于运动检测的候选目标提取方法 | 第33-38页 |
| 4.1.2 候选运动目标提取算法比较 | 第38-39页 |
| 4.1.3 基于混合高斯建模的候选目标提取 | 第39-42页 |
| 4.1.4 基于运动历史图像和混合高斯模型的候选目标提取 | 第42-45页 |
| 4.2 红外图像行人特征描述与提取 | 第45-51页 |
| 4.2.1 全局特征 | 第46页 |
| 4.2.2 局部特征 | 第46-51页 |
| 4.3 红外图像行人目标分类识别 | 第51-60页 |
| 4.3.1 支持向量机理论 | 第52-55页 |
| 4.3.2 基于候选目标提取与支持向量机的红外图像行人检测 | 第55-60页 |
| 4.4 本章小结 | 第60-62页 |
| 5 红外图像行人目标跟踪 | 第62-73页 |
| 5.1 粒子滤波理论 | 第62-66页 |
| 5.1.1 蒙特卡洛方法 | 第62页 |
| 5.1.2 重要性采样 | 第62-63页 |
| 5.1.3 序贯重要性采样 | 第63-64页 |
| 5.1.4 粒子退化问题与解决方法 | 第64-65页 |
| 5.1.5 基于粒子滤波的目标跟踪 | 第65-66页 |
| 5.2 基于自适应多特征融合的粒子滤波红外图像行人跟踪 | 第66-72页 |
| 5.2.1 目标运动模型 | 第66页 |
| 5.2.2 目标观测模型 | 第66-67页 |
| 5.2.3 自适应多特征融合机制 | 第67-69页 |
| 5.2.4 粒子滤波模板更新 | 第69页 |
| 5.2.5 红外行人目标跟踪 | 第69-72页 |
| 5.3 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
