| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·选题依据、研究背景及意义 | 第11-12页 |
| ·选题依据 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·运动目标检测研究现状 | 第12-13页 |
| ·运动目标跟踪研究现状 | 第13-15页 |
| ·本文主要研究内容及安排 | 第15-18页 |
| ·主要研究内容 | 第15页 |
| ·论文组织结构 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 2 视频序列中运动目标的检测及跟踪理论 | 第19-29页 |
| ·运动目标检测理论及方法 | 第19-24页 |
| ·帧差法 | 第19-20页 |
| ·基于Haar-like特征的方法 | 第20-22页 |
| ·基于机器学习算法的目标检测 | 第22-24页 |
| ·运动目标跟踪理论及方法 | 第24-27页 |
| ·基于特征匹配的跟踪方法 | 第24-26页 |
| ·基于主动轮廓的跟踪方法 | 第26-27页 |
| ·基于滤波理论的跟踪方法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 3 基于多新息理论改进的卡尔曼跟踪算法及证明 | 第29-55页 |
| ·卡尔曼滤波跟踪算法 | 第29-34页 |
| ·状态预测方程 | 第29-30页 |
| ·测量方程 | 第30页 |
| ·最优估计 | 第30-32页 |
| ·标准卡尔曼滤波方程 | 第32-34页 |
| ·卡尔曼滤波器应用于视觉跟踪 | 第34页 |
| ·多新息辨识理论 | 第34-42页 |
| ·多新息辨识方法 | 第35-37页 |
| ·多新息最小二乘辨识方法 | 第37-39页 |
| ·多新息辨识随机梯度辨识方法 | 第39-42页 |
| ·多新息卡尔曼跟踪算法 | 第42-46页 |
| ·多新息卡尔曼跟踪算法（MI-KF） | 第42-44页 |
| ·MI-KF收敛性分析 | 第44-46页 |
| ·实验结果分析 | 第46-54页 |
| ·跟踪缓慢运动物体 | 第47-49页 |
| ·跟踪突变运动物体 | 第49-51页 |
| ·处理目标遮挡问题 | 第51-52页 |
| ·性能分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 4 基于多新息理论的扩展卡尔曼跟踪算法及证明 | 第55-67页 |
| ·扩展卡尔曼滤波算法 | 第55-57页 |
| ·多新息扩展卡尔曼跟踪算法 | 第57-59页 |
| ·收敛性证明 | 第59-62页 |
| ·仿真与结果分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 5 基于多新息卡尔曼多目标跟踪算法的道路车辆计数系统 | 第67-83页 |
| ·系统设计的目的及意义 | 第67页 |
| ·车辆跟踪系统总体设计 | 第67-68页 |
| ·车辆检测模块 | 第68-75页 |
| ·图像预处理 | 第69-70页 |
| ·车辆检测 | 第70-75页 |
| ·车辆跟踪计数模块 | 第75-77页 |
| ·系统实现 | 第77-81页 |
| ·本章小结 | 第81-83页 |
| 6 总结与展望 | 第83-85页 |
| ·全文总结 | 第83-84页 |
| ·未来工作展望 | 第84-85页 |
| 参考文献 | 第85-93页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第93-95页 |
| 致谢 | 第95-96页 |