| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 目标检测的研究 | 第10-11页 |
| 1.2.2 目标跟踪的研究 | 第11-12页 |
| 1.3 论文的主要工作和章节安排 | 第12-14页 |
| 1.3.1 主要工作 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 第2章 目标跟踪基本知识介绍 | 第14-20页 |
| 2.1 运动目标表示形式 | 第14-15页 |
| 2.2 目标特征描述 | 第15-16页 |
| 2.3 目标跟踪算法分类 | 第16-17页 |
| 2.4 数学形态学 | 第17-19页 |
| 2.4.1 腐蚀 | 第17页 |
| 2.4.2 膨胀 | 第17-18页 |
| 2.4.3 开运算 | 第18页 |
| 2.4.4 闭运算 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 运动目标检测 | 第20-31页 |
| 3.1 运动目标检测方法 | 第20-23页 |
| 3.1.1 光流法 | 第20-21页 |
| 3.1.2 帧间差分法 | 第21-22页 |
| 3.1.3 背景减除法 | 第22页 |
| 3.1.4 运动目标检测比较 | 第22-23页 |
| 3.2 基于高斯背景模型的目标检测 | 第23-30页 |
| 3.2.1 单高斯模型 | 第23-25页 |
| 3.2.2 混合高斯模型 | 第25-27页 |
| 3.2.3 学习率自适应更新 | 第27-29页 |
| 3.2.4 实验结果与分析 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 改进的基于图像信息量的Mean Shift算法 | 第31-43页 |
| 4.1 基于Mean Shift算法的目标跟踪 | 第31-35页 |
| 4.1.1 目标模型描述 | 第32页 |
| 4.1.2 候选模型描述 | 第32页 |
| 4.1.3 相似性度量 | 第32-33页 |
| 4.1.4 目标定位 | 第33-34页 |
| 4.1.5 Mean Shift算法步骤 | 第34-35页 |
| 4.2 改进的基于图像信息量的Mean Shift跟踪算法 | 第35-40页 |
| 4.2.1 多尺度图像的信息量度量 | 第35-37页 |
| 4.2.2 图像信息量应用于目标跟踪 | 第37-40页 |
| 4.3 对尺度变化的运动目标的跟踪实验 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 改进的Mean Shift与Kalman滤波结合的目标跟踪算法 | 第43-57页 |
| 5.1 Kalman滤波算法 | 第43-47页 |
| 5.1.1 Kalman滤波器基本原理 | 第44-45页 |
| 5.1.2 Kalman滤波器在目标跟踪中的运用 | 第45-47页 |
| 5.2 改进Kalman滤波和Mean Shift的目标跟踪算法 | 第47-50页 |
| 5.2.1 标准Kalman滤波算法的不足 | 第47页 |
| 5.2.2 改进的Kalman与Mean Shift结合的算法 | 第47-50页 |
| 5.3 实验结果及分析 | 第50-56页 |
| 5.3.1 遮挡情况下的跟踪 | 第50-53页 |
| 5.3.2 快速运动情况下的跟踪 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间取得的研究成果 | 第63页 |
