| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景与研究意义 | 第11-12页 |
| 1.1.1 传统视频监控系统 | 第11-12页 |
| 1.1.2 智能视频监控系统 | 第12页 |
| 1.2 智能视频监控系统的研究现状 | 第12-13页 |
| 1.3 本文主要工作及篇章结构 | 第13-17页 |
| 第二章 目标检测算法的研究 | 第17-31页 |
| 2.1 常用的运动目标检测算法 | 第18-20页 |
| 2.1.1 光流法 | 第18页 |
| 2.1.2 帧间差分法 | 第18-19页 |
| 2.1.3 背景差分法 | 第19-20页 |
| 2.2 基于PBAS背景建模的运动目标检测算法 | 第20-22页 |
| 2.2.1 算法基本原理与设计步骤 | 第20-21页 |
| 2.2.2 PBAS算法的缺点 | 第21-22页 |
| 2.3 基于加权阈值判断的鬼影去除算法 | 第22-25页 |
| 2.3.1 基本思想 | 第22-23页 |
| 2.3.2 检测过程 | 第23-25页 |
| 2.4 实验结果与对比分析 | 第25-28页 |
| 2.4.1 改进PBAS算法与原PBAS算法的比较 | 第25-26页 |
| 2.4.2 改进PBAS算法与其他鬼影判别算法的比较 | 第26-28页 |
| 2.5 连通区域分析 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 粒子滤波技术 | 第31-39页 |
| 3.1 贝叶斯滤波原理 | 第31-32页 |
| 3.2 蒙特卡罗方法的基本原理 | 第32-33页 |
| 3.3 粒子滤波原理 | 第33-37页 |
| 3.3.1 序列重要性采样及重采样 | 第33-35页 |
| 3.3.2 标准粒子滤波算法描述 | 第35-36页 |
| 3.3.3 粒子滤波算法存在的问题 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 标准粒子滤波算法的改进 | 第39-49页 |
| 4.1 两种典型的改进算法 | 第39-42页 |
| 4.1.1 辅助粒子滤波 | 第39-40页 |
| 4.1.2 正则化粒子滤波 | 第40-42页 |
| 4.2 利用聚类粒子群优化算法对粒子滤波的改进 | 第42-44页 |
| 4.2.1 粒子群优化算法 | 第42页 |
| 4.2.2 本文对粒子滤波的改进算法 | 第42-44页 |
| 4.3 仿真实验及结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-49页 |
| 第五章 基于多特征融合的粒子滤波目标跟踪 | 第49-61页 |
| 5.1 目标的特征及选取 | 第49-51页 |
| 5.2 目标数学模型 | 第51-52页 |
| 5.2.1 运动目标的状态空间模型 | 第51页 |
| 5.2.2 运动目标的状态转移模型 | 第51-52页 |
| 5.2.3 运动目标的观测模型 | 第52页 |
| 5.3 似然模型 | 第52-55页 |
| 5.4 多特征融合的自适应权值计算方法 | 第55页 |
| 5.5 多特征自适应融合的粒子滤波跟踪算法 | 第55-57页 |
| 5.6 实验结果分析 | 第57-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 结论 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简介 | 第67页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |