| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 目标识别技术 | 第14-16页 |
| 1.2.2 运动目标检测 | 第16-17页 |
| 1.2.3 目标跟踪方法 | 第17-18页 |
| 1.2.4 识别跟踪的难点 | 第18-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 1.4 研究意义 | 第20页 |
| 1.5 章节结构 | 第20-22页 |
| 2 基于AdaBoost的静态目标的识别 | 第22-32页 |
| 2.1 AdaBoost算法理论基础 | 第22-24页 |
| 2.2 识别分类器的训练 | 第24-29页 |
| 2.2.1 样本准备 | 第25-27页 |
| 2.2.2 训练过程 | 第27-29页 |
| 2.3 实验结果分析 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 装甲车辆目标的检测算法分析 | 第32-50页 |
| 3.1 图像预处理 | 第32-36页 |
| 3.1.1 图像的灰度化 | 第32-33页 |
| 3.1.2 图像去噪处理 | 第33-35页 |
| 3.1.3 阈值的选取 | 第35-36页 |
| 3.2 目标检测方法 | 第36-45页 |
| 3.2.1 背景差分法 | 第37-38页 |
| 3.2.2 帧间差分法 | 第38-40页 |
| 3.2.3 三帧差分法 | 第40-41页 |
| 3.2.4 高斯背景建模 | 第41-45页 |
| 3.3 检测算法的比较与分析 | 第45-46页 |
| 3.4 一种结合高斯背景建模的差分检测方法 | 第46-49页 |
| 3.4.1 装甲车辆目标背景模型建立 | 第46页 |
| 3.4.2 装甲车辆目标检测 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于Camshift算法的装甲车辆目标跟踪 | 第50-74页 |
| 4.1 目标特征提取 | 第50-52页 |
| 4.2 Meanshift目标跟踪算法 | 第52-56页 |
| 4.2.1 目标模型描述 | 第52-53页 |
| 4.2.2 候选模型描述 | 第53页 |
| 4.2.3 度量相似性函数 | 第53页 |
| 4.2.4 Meanshift算法对装甲车辆跟踪的实现 | 第53-56页 |
| 4.3 基于高斯建模和改进后Camshift算法的目标跟踪 | 第56-61页 |
| 4.3.1 Camshift算法原理 | 第56-58页 |
| 4.3.2 Camshift算法的改进以及实现步骤 | 第58-59页 |
| 4.3.3 实验结果分析 | 第59-61页 |
| 4.4 融合Kalman滤波的识别跟踪算法 | 第61-72页 |
| 4.4.1 Kalman滤波技术 | 第61-62页 |
| 4.4.2 融合Kalman滤波的跟踪算法分析 | 第62-63页 |
| 4.4.3 基于Kalman滤波技术的运动目标估计 | 第63-65页 |
| 4.4.4 遮挡问题的处理 | 第65页 |
| 4.4.5 分类识别处理 | 第65-66页 |
| 4.4.6 跟踪实验结果分析 | 第66-72页 |
| 4.5 算法准确性分析 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 结论与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 改进与展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第80-84页 |
| 学位论文数据集 | 第84页 |
