| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.1.1 视频监控存在的难点 | 第12页 |
| 1.2 国内外研究和产品 | 第12-15页 |
| 1.2.1 研究现状 | 第12-13页 |
| 1.2.2 国内外产品 | 第13-15页 |
| 1.3 本文的组织和结构 | 第15-16页 |
| 第二章 常用运动目标检测方法 | 第16-29页 |
| 2.1 目标提取常用方法 | 第16-25页 |
| 2.1.1 帧差分法 | 第16-17页 |
| 2.1.2 背景差分法 | 第17-23页 |
| 2.1.3 光流法 | 第23-25页 |
| 2.1.4 Kim算法 | 第25页 |
| 2.2 目标检测常用算法比较 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 运动目标检测中的阴影 | 第29-34页 |
| 3.1 光源模型与光反射模型 | 第29-31页 |
| 3.1.1 光源模型 | 第29-30页 |
| 3.1.2 光反射模型 | 第30-31页 |
| 3.2 阴影的分类与特性 | 第31-33页 |
| 3.2.1 阴影的分类 | 第31-32页 |
| 3.2.2 阴影的反射特性 | 第32页 |
| 3.2.3 阴影区域的特性 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 阴影去除算法 | 第34-59页 |
| 4.1 常用阴影去除法 | 第34-40页 |
| 4.1.1 基于颜色不变性的阴影去除法 | 第34页 |
| 4.1.2 基于光照无关图的阴影去除法 | 第34-38页 |
| 4.1.3 基于LBP（Local Binary Pattern）纹理的阴影去除法 | 第38-40页 |
| 4.2 基于Fisher判别的光照无关图和帧差分法相结合的阴影去除法 | 第40-45页 |
| 4.2.1 实验结果与分析 | 第43-45页 |
| 4.3 基于改进的LBP纹理的阴影去除法 | 第45-48页 |
| 4.4 基于改进的HSV彩色不变量的阴影去除法 | 第48-52页 |
| 4.4.1 实验结果与分析 | 第51-52页 |
| 4.5 基于改进的HSV彩色不变量和改进的LBP纹理相结合的阴影去除法 | 第52-58页 |
| 4.5.1 混合高斯模型存在的问题及解决方案 | 第52-53页 |
| 4.5.2 结合HSV彩色不变量和LBP纹理的背景表示 | 第53-55页 |
| 4.5.3 结合改进的HSV彩色不变量和改进的LBP纹理的运动目标检测算法 | 第55-56页 |
| 4.5.4 实验结果与分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 目标跟踪 | 第59-79页 |
| 5.1 运动目标跟踪概述 | 第59-62页 |
| 5.1.1 运动目标跟踪方法 | 第60-62页 |
| 5.2 目标跟踪常用算法 | 第62-72页 |
| 5.2.1 Mean Shift算法 | 第62-65页 |
| 5.2.2 基于粒子滤波的目标跟踪 | 第65-70页 |
| 5.2.3 基于卡尔曼滤波的目标跟踪 | 第70-72页 |
| 5.3 改进的Mean Shift目标跟踪方法 | 第72-78页 |
| 5.3.1 实验结果与分析 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结展望 | 第79-80页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |
