| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·目标检测的研究 | 第12-13页 |
| ·目标跟踪的研究 | 第13-15页 |
| ·存在的主要问题 | 第15-16页 |
| ·本文主要研究内容及组织结构 | 第16-18页 |
| ·本文主要研究内容 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 目标检测与跟踪相关技术 | 第18-37页 |
| ·图像后处理降噪技术 | 第18-20页 |
| ·中值滤波法 | 第18-19页 |
| ·均值滤波法 | 第19-20页 |
| ·其他平滑降噪方法 | 第20页 |
| ·常用目标检测方法 | 第20-27页 |
| ·光流法 | 第20-23页 |
| ·帧间差分法 | 第23-25页 |
| ·背景减除法 | 第25-27页 |
| ·Kalman 滤波器基本理论 | 第27-32页 |
| ·贝叶斯滤波 | 第27-30页 |
| ·卡尔曼滤波 | 第30-32页 |
| ·Mean Shift 基本理论 | 第32-36页 |
| ·Mean Shift 基本思想 | 第32-33页 |
| ·Mean Shift 的扩展 | 第33-35页 |
| ·Mean Shift 算法流程 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于混合高斯模型的目标检测 | 第37-49页 |
| ·混合概率模型 | 第37-38页 |
| ·高斯模型的分类 | 第38-41页 |
| ·单高斯模型 | 第38-39页 |
| ·混合高斯模型 | 第39-41页 |
| ·GMM 模型的参数估计 | 第41-44页 |
| ·极大似然估计 | 第41页 |
| ·期望最大化估计 | 第41-42页 |
| ·基于最大惩罚的参数估计 | 第42-44页 |
| ·改进的基于 GMM 建模的目标检测方法 | 第44-46页 |
| ·基于 GMM 的目标检测 | 第44-45页 |
| ·GMM 建模中光线突变的检测方法 | 第45-46页 |
| ·目标检测实验仿真 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 改进的 Mean Shift 与 Kalman 滤波结合的跟踪算法 | 第49-63页 |
| ·基于 Mean Shift 算法的目标跟踪 | 第49-54页 |
| ·目标模型 | 第49-50页 |
| ·候选模型 | 第50页 |
| ·相似性度量 | 第50-51页 |
| ·目标定位 | 第51-53页 |
| ·Mean Shift 算法的优缺点 | 第53-54页 |
| ·自适应核窗带宽的 Mean Shift 算法 | 第54-55页 |
| ·改进的 Mean Shift 与 Kalman 滤波相结合的目标跟踪算法 | 第55-62页 |
| ·算法描述 | 第55-57页 |
| ·算法流程图 | 第57-58页 |
| ·仿真实验及分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的论文及参加的项目 | 第69-70页 |
| 致谢 | 第70页 |