| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 运动物体跟踪方法研究现状 | 第11-12页 |
| 1.3 运动物体跟踪面临的挑战 | 第12-13页 |
| 1.4 论文内容概述 | 第13-15页 |
| 第2章 基本的前景检测算法 | 第15-22页 |
| 2.1 帧间差分法 | 第15-17页 |
| 2.2 背景差分法 | 第17-18页 |
| 2.3 光流法 | 第18-21页 |
| 2.4 小结 | 第21-22页 |
| 第3章 基于自定义高度场的前景掩码图像增强算法 | 第22-33页 |
| 3.1 算法的物理原理 | 第23-24页 |
| 3.2 基本定义 | 第24页 |
| 3.3 像素高度计算方法 | 第24-25页 |
| 3.3.1 计算行程内高度 | 第25页 |
| 3.3.2 计算最终高度 | 第25页 |
| 3.4 图像调整算法 | 第25-28页 |
| 3.4.1 直接阈值化 | 第25-27页 |
| 3.4.2 多次迭代算法 | 第27-28页 |
| 3.5 实验结果及分析 | 第28-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 MeanShift跟踪算法 | 第33-47页 |
| 4.1 MeanShift算法理论 | 第33-39页 |
| 4.1.1 核函数 | 第33-35页 |
| 4.1.2 核密度估计 | 第35-36页 |
| 4.1.3 MeanShift向量基本思想和扩展形式 | 第36-37页 |
| 4.1.4 概率密度梯度方向与MeanShift向量方向一致性证明 | 第37-39页 |
| 4.1.5 基本的MeanShift算法 | 第39页 |
| 4.2 MeanShift算法在目标跟踪中的应用 | 第39-46页 |
| 4.2.1 目标模型 | 第39-40页 |
| 4.2.2 候选模型 | 第40-41页 |
| 4.2.3 相似性度量 | 第41页 |
| 4.2.4 运动目标的定位 | 第41-44页 |
| 4.2.5 MeanShift目标跟踪算法的实现 | 第44页 |
| 4.2.6 实验结果及分析 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 改进的MeanShift跟踪算法 | 第47-57页 |
| 5.1 传统MeanShift跟踪算法的缺点 | 第47-48页 |
| 5.2 尺寸自适应的MeanShift跟踪算法 | 第48-52页 |
| 5.2.1 候选匹配点产生 | 第49页 |
| 5.2.2 后向跟踪 | 第49-50页 |
| 5.2.3 错误匹配去除 | 第50-51页 |
| 5.2.4 窗口尺寸变化参数估计 | 第51-52页 |
| 5.3 试验结果及分析 | 第52-56页 |
| 5.3.1 小型车辆跟踪 | 第52-54页 |
| 5.3.2 大型车辆跟踪 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表或录用的学术论文 | 第62-63页 |
| 致谢 | 第63页 |