| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本文的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及课题的提出 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-14页 |
| 1.2.2 研究现状分析及课题的提出 | 第14-15页 |
| 1.3 本文的研究内容和章节安排 | 第15-16页 |
| 第二章 基于改进三帧差分和混合高斯背景差分相结合的运动目标检测算法研究 | 第16-32页 |
| 2.1 视频序列图像的预处理 | 第16-20页 |
| 2.1.1 彩色图像的灰度化处理 | 第17页 |
| 2.1.2 图像平滑 | 第17-19页 |
| 2.1.3 图像归一化 | 第19-20页 |
| 2.2 运动目标检测方法及其性能对比 | 第20-24页 |
| 2.2.1 基于背景差分的方法 | 第20-22页 |
| 2.2.2 基于帧间差分的方法 | 第22-23页 |
| 2.2.3 运动目标分割算法的性能比较 | 第23-24页 |
| 2.3 基于改进三帧差分算法的运动目标检测 | 第24-26页 |
| 2.3.1 算法的基本流程 | 第24页 |
| 2.3.2 视频图像的边缘提取 | 第24-26页 |
| 2.3.3 改进的三帧差分算法 | 第26页 |
| 2.4 基于改进三帧差分算法与混合高斯背景差分相结合的运动目标检测 | 第26-27页 |
| 2.5 OTSU二值化阈值的确定 | 第27-28页 |
| 2.6 形态学处理 | 第28-29页 |
| 2.7 实验结果分析 | 第29页 |
| 2.8 本章小结 | 第29-32页 |
| 第三章 基于Camshift和Kalman滤波相结合的多目标跟踪算法研究 | 第32-40页 |
| 3.1 基于Camshift的多目标跟踪算法 | 第33-35页 |
| 3.2 基于Kalman滤波的运动目标状态估计 | 第35-36页 |
| 3.2.1 Kalman滤波 | 第35-36页 |
| 3.2.2 Kalman滤波的运动估计策略 | 第36页 |
| 3.3 基于Camshift和Kalman滤波相结合的多目标跟踪算法 | 第36-38页 |
| 3.4 实验结果分析 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于改进KSVD和极限学习机的行人检测算法研究 | 第40-50页 |
| 4.1 运动目标的位置锁定 | 第40页 |
| 4.2 基于改进KSVD和极限学习机的行人检测算法 | 第40-45页 |
| 4.2.1 基于改进KSVD的字典训练 | 第42-43页 |
| 4.2.2 极限学习机算法 | 第43-45页 |
| 4.2.3 基于改进KSVD和极限学习机的行人检测算法 | 第45页 |
| 4.3 实验结果分析 | 第45-49页 |
| 4.3.1 实验数据的预处理及参数选择 | 第46-48页 |
| 4.3.2 基于改进KSVD和极限学习机的行人检测 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文总结 | 第50-51页 |
| 5.2 工作展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录A (攻读硕士期间发表的论文) | 第58-60页 |
| 附录B (攻读硕士期间申请的软件著作权) | 第60页 |
