| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内外研究成果 | 第9-10页 |
| 1.2.2 运动目标跟踪算法的分类 | 第10-11页 |
| 1.3 目标跟踪的难点 | 第11-12页 |
| 1.4 文章的结构安排 | 第12-14页 |
| 第2章 目标特征的选择和相似度测量 | 第14-22页 |
| 2.1 目标特征选择 | 第14-15页 |
| 2.2 颜色特征的空间模型 | 第15-17页 |
| 2.2.1 RGB彩色空间 | 第16页 |
| 2.2.2 HSV颜色空间 | 第16-17页 |
| 2.3 颜色模型的转换 | 第17-18页 |
| 2.4 颜色直方图的定义 | 第18-19页 |
| 2.5 相似性度量方法 | 第19-21页 |
| 2.5.1 欧氏距离 | 第19-20页 |
| 2.5.2 加权距离 | 第20页 |
| 2.5.3 巴特查理亚系数 | 第20-21页 |
| 2.5.4 Hausdorff距离 | 第21页 |
| 2.5.5 Kullback—Leibler距离 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 Mean Shift算法的基本原理 | 第22-29页 |
| 3.1 Mean Shift算法的发展史 | 第22页 |
| 3.2 核函数的密度估计 | 第22-25页 |
| 3.2.1 核函数 | 第22-24页 |
| 3.2.2 核函数的密度估计 | 第24-25页 |
| 3.3 Mean Shift向量 | 第25-27页 |
| 3.4 Mean Shift算法收敛性的讨论 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于颜色特征的Mean Shift目标跟踪算法 | 第29-37页 |
| 4.1 目标模型的表示 | 第29-30页 |
| 4.2 候选目标模型的表示 | 第30页 |
| 4.3 相似性度量 | 第30页 |
| 4.4 目标定位 | 第30-31页 |
| 4.5 Mean Shift目标跟踪算法描述 | 第31-33页 |
| 4.6 实验结果与分析 | 第33-36页 |
| 4.7 本章小结 | 第36-37页 |
| 第5章 改进的基于颜色特征的Mean Shift目标跟踪算法 | 第37-42页 |
| 5.1 Mean Shift目标跟踪算法的优缺点 | 第37-38页 |
| 5.2 改进的Mean Shift目标跟踪算法 | 第38-39页 |
| 5.3 尺度自适应 | 第39页 |
| 5.4 总的算法描述 | 第39-40页 |
| 5.5 实验分析 | 第40-41页 |
| 5.6 本章小结 | 第41-42页 |
| 第6章 总结与展望 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 攻读硕士学位期间发表的学术论文 | 第49页 |