| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 引言 | 第8-13页 |
| ·课题研究背景和意义 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文研究内容及章节安排 | 第11-13页 |
| 2 视频目标跟踪技术研究 | 第13-18页 |
| ·视频目标跟踪常用算法 | 第13-15页 |
| ·基于区域匹配的跟踪算法 | 第13页 |
| ·基于特征点的跟踪算法 | 第13页 |
| ·基于主动轮廓的跟踪算法 | 第13-14页 |
| ·基于光流的跟踪算法 | 第14页 |
| ·基于运动模型的跟踪算法 | 第14-15页 |
| ·视频目标跟踪系统流程 | 第15页 |
| ·视频目标跟踪的难点问题 | 第15-16页 |
| ·视频目标跟踪技术基本要求 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 Kalman 滤波理论 | 第18-28页 |
| ·贝叶斯滤波原理 | 第18-19页 |
| ·Kalman 滤波的基本算法 | 第19-22页 |
| ·Kalman 滤波的性质 | 第22-23页 |
| ·Kalman 滤波算法的发展 | 第23-27页 |
| ·扩展卡尔曼滤波器(Extend Kalman Filter) | 第23-25页 |
| ·Unscented 卡尔曼滤波 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 4 运动目标检测和分割 | 第28-36页 |
| ·运动目标检测 | 第28-31页 |
| ·运动目标检测技术介绍 | 第28-29页 |
| ·运动目标检测 | 第29-31页 |
| ·运动目标分割 | 第31-33页 |
| ·运动目标分割技术介绍 | 第31页 |
| ·运动目标分割 | 第31-33页 |
| ·仿真结果及分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 5 改进的 Mean shift 与自适应 Kalman 滤波相结合的视频目标跟踪系统 | 第36-53页 |
| ·均值偏移(Mean shift)算法 | 第36-40页 |
| ·目标模型 | 第36-37页 |
| ·候选模型 | 第37页 |
| ·相似性度量 | 第37-38页 |
| ·目标定位 | 第38-40页 |
| ·Mean shift 算法的优缺点 | 第40页 |
| ·改进的Mean shift 算法 | 第40-45页 |
| ·建立目标颜色模型 | 第40-42页 |
| ·反向投影法(Back projection) | 第42-43页 |
| ·改进的Mean shift 算法 | 第43-45页 |
| ·自适应Kalman 滤波算法介绍 | 第45页 |
| ·基于改进的Mean shift 与自适应Kalman 滤波相结合的视频目标跟踪 | 第45-52页 |
| ·算法描述 | 第45-47页 |
| ·算法框图 | 第47页 |
| ·实验仿真结果 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·论文总结 | 第53页 |
| ·课题今后的工作和发展展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A. 作者在攻读硕士学位期间发表及录用的论文目录 | 第60页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第60页 |
