| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 目标检测技术的研究现状 | 第11-13页 |
| 1.2.2 目标跟踪技术的研究现状 | 第13-16页 |
| 1.3 研究难点 | 第16-17页 |
| 1.4 本文研究的主要内容及章节安排 | 第17-18页 |
| 第二章 车辆检测方法研究 | 第18-30页 |
| 2.1 前景检测方法 | 第18-22页 |
| 2.1.1 帧间差分法 | 第18-19页 |
| 2.1.2 混合高斯背景建模算法 | 第19-20页 |
| 2.1.3 Surendra背景更新算法 | 第20-22页 |
| 2.2 图像滤波 | 第22-24页 |
| 2.2.1 线性滤波算法 | 第22-23页 |
| 2.2.2 非线性滤波算法 | 第23-24页 |
| 2.3 二值图像处理 | 第24-27页 |
| 2.3.1 数学形态学处理 | 第24-26页 |
| 2.3.2 连通区域标记 | 第26-27页 |
| 2.4 基于Surendra背景差分和三帧差法的改进目标检测算法 | 第27-29页 |
| 2.4.1 算法流程 | 第27页 |
| 2.4.2 仿真分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于ORB特征匹配的改进Meanshift目标跟踪算法 | 第30-44页 |
| 3.1 Meanshift算法 | 第31-33页 |
| 3.1.1 核概率密度估计 | 第31-32页 |
| 3.1.2 Meanshift理论 | 第32-33页 |
| 3.2 Meanshift目标跟踪算法 | 第33-37页 |
| 3.2.1 目标模型建立 | 第34页 |
| 3.2.2 相似性度量 | 第34-35页 |
| 3.2.3 Meanshift目标跟踪 | 第35-37页 |
| 3.3 基于ORB特征匹配的改进Meanshift目标跟踪算法 | 第37-40页 |
| 3.3.1 ORB特征提取与匹配 | 第37-39页 |
| 3.3.2 算法实现步骤 | 第39-40页 |
| 3.4 仿真分析 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于多特征融合的Meanshift多目标跟踪 | 第44-58页 |
| 4.1 算法框架 | 第45-46页 |
| 4.2 特征提取与描述 | 第46-48页 |
| 4.2.1 基于颜色特征的目标描述 | 第46-47页 |
| 4.2.2 基于纹理特征的目标描述 | 第47-48页 |
| 4.3 自适应多特征融合的Meanshift目标跟踪 | 第48-52页 |
| 4.3.1 多特征距离函数 | 第48页 |
| 4.3.2 多特征融合的Meanshift目标定位 | 第48-49页 |
| 4.3.3 特征融合系数 | 第49-52页 |
| 4.4 目标关联 | 第52-53页 |
| 4.5 更新跟踪列表 | 第53-54页 |
| 4.6 仿真实验分析 | 第54-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录A (攻读学位期间所取得的相关科研成果) | 第68页 |
