| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 运动目标检测与跟踪面临问题 | 第14-16页 |
| 1.4 本论文的研究内容和论文结构 | 第16-18页 |
| 第二章 基于视频序列的运动目标检测混合算法 | 第18-41页 |
| 2.1 运动目标检测常用方法 | 第18-28页 |
| 2.1.1 光流法 | 第18-22页 |
| 2.1.2 相邻帧差法 | 第22-24页 |
| 2.1.3 背景减法 | 第24-26页 |
| 2.1.4 基于统计、学习的方法 | 第26-28页 |
| 2.1.5 混合方法 | 第28页 |
| 2.2 基于高斯背景模型的目标检测 | 第28-32页 |
| 2.2.1 单高斯背景模型 | 第29-30页 |
| 2.2.2 混合高斯背景模型 | 第30-32页 |
| 2.3 图像分割自适应阈值选取 | 第32-36页 |
| 2.3.1 最大类间方差法 | 第33-34页 |
| 2.3.2 双峰法 | 第34-35页 |
| 2.3.3 迭代法 | 第35-36页 |
| 2.4 形态学滤波 | 第36-38页 |
| 2.4.1 二值腐蚀运算 | 第36-37页 |
| 2.4.2 二值膨胀运算 | 第37-38页 |
| 2.5 本文提出的基于视频序列运动目标检测的混合算法(MFTD) | 第38-40页 |
| 2.5.1 中值滤波背景建模 | 第38页 |
| 2.5.2 改进时间差分图像描述 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 一种基于改进MEAN-SHIT的目标跟踪算法 | 第41-48页 |
| 3.1 基于匹配的目标跟踪算法 | 第41-43页 |
| 3.1.1 特征匹配 | 第41-42页 |
| 3.1.2 核方法 | 第42-43页 |
| 3.2 经典MEAN-SHIFT目标跟踪算法 | 第43-45页 |
| 3.2.1 传统的Mean Shift跟踪算法 | 第43-45页 |
| 3.3 改进传统均值漂移算法 | 第45-47页 |
| 3.3.1 改进传统权值 | 第45-47页 |
| 3.3.2 自适应核带宽 | 第47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 KALMAN预测原理和应用 | 第48-52页 |
| 4.1 卡尔曼理论基础 | 第48-49页 |
| 4.2 本文提出的算法 | 第49-50页 |
| 4.3 实验结果及数据分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结和展望 | 第52-54页 |
| 5.1 研究工作总结 | 第52-53页 |
| 5.2 未来工作展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 学位论文评闼及答辩情况表 | 第61页 |