| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·选题背景 | 第9页 |
| ·运动目标检测和跟踪研究现状和发展 | 第9-10页 |
| ·目标轨迹识别研究现状和发展 | 第10-11页 |
| ·运动目标轨迹识别难点 | 第11页 |
| ·论文的主要内容及各章节安排 | 第11-13页 |
| 2 基于颜色信息的运动物体检测 | 第13-20页 |
| ·运动物体检测的基本方法 | 第13-15页 |
| ·背景差分法 | 第13-14页 |
| ·帧间差分法 | 第14-15页 |
| ·光流法 | 第15页 |
| ·基于HSV颜色空间的物体检测 | 第15-16页 |
| ·改进的基于GMM运动物体检测 | 第16-20页 |
| ·传统的混合高斯背景模型 | 第16-17页 |
| ·混合高斯模型的参数更新 | 第17页 |
| ·背景模型选择及运动前景检测 | 第17-18页 |
| ·结合颜色信息的改进GMM算法 | 第18-20页 |
| 3 视频运动目标跟踪设计 | 第20-32页 |
| ·传统的Camshift跟踪算法 | 第20-25页 |
| ·颜色直方图 | 第20-21页 |
| ·颜色概率分布图 | 第21页 |
| ·MeanShift算法理论知识 | 第21-23页 |
| ·Camshift算法原理 | 第23-25页 |
| ·Kalman滤波 | 第25-28页 |
| ·改进的CamShift运动物体跟踪算法设计与实现 | 第28-32页 |
| 4 基于HMM的动态轨迹识别 | 第32-46页 |
| ·动态轨迹识别常见算法 | 第32-33页 |
| ·隐马尔可夫模型(HMM) | 第32页 |
| ·动态时间规整(DTW) | 第32页 |
| ·条件随机域(CRF) | 第32页 |
| ·神经网络(NN) | 第32-33页 |
| ·支持向量机(SVM) | 第33页 |
| ·HMM基本理论 | 第33-39页 |
| ·HMM原理 | 第33-34页 |
| ·HMM中三个基本问题及解法 | 第34-39页 |
| ·动态轨迹提取与特征选择 | 第39-40页 |
| ·本文轨迹识别系统中的隐马尔可夫模型设计 | 第40-46页 |
| ·隐马尔可夫模型的类型与选择 | 第40-43页 |
| ·DHMM模型参数选择及初始化 | 第43-44页 |
| ·DHMM模型的训练 | 第44页 |
| ·运动目标动态轨迹识别系统的总体设计 | 第44-46页 |
| 5 实验结果 | 第46-49页 |
| ·OpenCV简介及函数说明 | 第46页 |
| ·实验准备及系统构架 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |