| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 视频跟踪技术国内外研究现状 | 第11-13页 |
| 1.2.2 国内外对高校视频监控技术的研究 | 第13-14页 |
| 1.2.3 多特征融合的目标跟踪算法在高校的应用 | 第14-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 1.3.1 本文研究的主要问题 | 第15-16页 |
| 1.3.2 本文研究的技术内容 | 第16-17页 |
| 1.4 本文的主要创新点 | 第17-19页 |
| 第2章 MEANSHIFT理论 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 MEANSHIFT算法基本概括 | 第19-20页 |
| 2.3 MEANSHIFT算法存在的局限性 | 第20-21页 |
| 2.4 无参数密度估计 | 第21页 |
| 2.5 核密度估计 | 第21-22页 |
| 2.6 MEANSHIFT算法 | 第22-27页 |
| 2.6.1 MEANSHIFT算法基本原理 | 第22-24页 |
| 2.6.2 MEANSHIFT算法推导 | 第24-26页 |
| 2.6.3 MEANSHIFT算法的收敛 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 纹理联合直方图计算 | 第28-44页 |
| 3.1 引言 | 第28-30页 |
| 3.2 基于LBP纹理和颜色直方图模型的目标表述 | 第30-31页 |
| 3.3 基于FLBP_(8.1)纹理模型的目标表示 | 第31-33页 |
| 3.4 FLBP_(8.1)目标模型特征空间的选择 | 第33-34页 |
| 3.5 颜色直方图 | 第34-37页 |
| 3.6 纹理联合颜色直方图的计算 | 第37-38页 |
| 3.7 基于颜色纹理联合直方图的跟踪算法过程 | 第38-42页 |
| 3.8 改进的MEANSHIFT校园监控算法的复杂性 | 第42-44页 |
| 第4章 MEANSHIFT算法对快速运动目标跟踪问题分析 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 快速移动目标跟踪丢失问题分析 | 第44-46页 |
| 4.3 压缩域解决MEANSHIFT算法跟踪快速移动目标的问题 | 第46-53页 |
| 4.3.1 移动目标初始点的预测 | 第46-48页 |
| 4.3.2 跟踪算法步骤 | 第48-53页 |
| 第5章 实验结果与分析 | 第53-60页 |
| 5.1 引言 | 第53页 |
| 5.2 最终试验结果及分析 | 第53-58页 |
| 5.3 本章小结 | 第58-60页 |
| 总结 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
