| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 目标检测方法现状 | 第11-13页 |
| 1.2.2 目标跟踪方法现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 基本理论与预处理技术 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 基本理论 | 第16-18页 |
| 2.2.1 特征融合 | 第16-17页 |
| 2.2.2 稀疏表示 | 第17-18页 |
| 2.3 图像预处理技术 | 第18-22页 |
| 2.3.1 图像灰度化处理 | 第18-20页 |
| 2.3.2 图像滤波去噪处理 | 第20-21页 |
| 2.3.3 图像直方图均衡化处理 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 运动目标检测方法研究 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 运动目标检测方法 | 第23-26页 |
| 3.2.1 光流法 | 第23-24页 |
| 3.2.2 帧间差分法 | 第24-25页 |
| 3.2.3 背景差分法 | 第25-26页 |
| 3.3 改进的基于帧间差分与背景差分融合的目标检测方法 | 第26-33页 |
| 3.3.1 高斯混合背景建模 | 第26-28页 |
| 3.3.2 自适应阈值的计算 | 第28-30页 |
| 3.3.3 形态学操作处理 | 第30-32页 |
| 3.3.4 改进的运动目标检测算法 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-38页 |
| 3.4.1 定性分析 | 第33-35页 |
| 3.4.2 定量分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于特征融合与稀疏表示的运动目标跟踪方法 | 第39-72页 |
| 4.1 引言 | 第39页 |
| 4.2 基于压缩感知的跟踪 | 第39-44页 |
| 4.2.1 稀疏表示技术 | 第39-40页 |
| 4.2.2 稀疏测量矩阵 | 第40-41页 |
| 4.2.3 分类器的构建与分析 | 第41-44页 |
| 4.3 改进的基于特征融合与稀疏表示的目标跟踪方法 | 第44-53页 |
| 4.3.1 目标跟踪搜索策略 | 第44-45页 |
| 4.3.2 目标特征提取以及特征融合 | 第45-51页 |
| 4.3.3 改进的跟踪算法步骤 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-71页 |
| 4.4.1 不同特征的跟踪结果比较分析 | 第53-58页 |
| 4.4.2 不同跟踪算法的定量与定性分析 | 第58-71页 |
| 4.4.2.1 定性分析 | 第58-63页 |
| 4.4.2.2 定量分析 | 第63-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 全文总结与展望 | 第72-74页 |
| 5.1 论文总结 | 第72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |