| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 本课题研究背景与意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-10页 |
| 1.3 本文的主要内容和结构安排 | 第10-13页 |
| 1.3.1 本文的主要内容 | 第10-11页 |
| 1.3.2 本文的结构安排 | 第11-13页 |
| 第2章 视频序列图像处理的预处理研究 | 第13-26页 |
| 2.1 引言 | 第13页 |
| 2.2 彩色模型 | 第13-15页 |
| 2.2.1 常用的彩色模型 | 第13-14页 |
| 2.2.2 从RGB到HSV彩色模型的转换 | 第14-15页 |
| 2.3 图像灰度化 | 第15-16页 |
| 2.4 图像二值化 | 第16-17页 |
| 2.5 图像去噪 | 第17-21页 |
| 2.5.1 图像噪声 | 第17-18页 |
| 2.5.2 图像去噪 | 第18-21页 |
| 2.6 数字形态学处理 | 第21-25页 |
| 2.6.1 膨胀和腐蚀 | 第21-22页 |
| 2.6.2 开运算和闭运算 | 第22-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 运动目标的检测以及提取研究 | 第26-36页 |
| 3.1 常用的目标提取方法 | 第26-29页 |
| 3.1.1 帧差法 | 第26-27页 |
| 3.1.2 背景相减法 | 第27-28页 |
| 3.1.3 光流法 | 第28-29页 |
| 3.2 局部二值模式LBP | 第29-32页 |
| 3.2.1 经典LBP | 第30页 |
| 3.2.2 圆形LBP | 第30-32页 |
| 3.3 本文采用的运动目标提取算法 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于Camshift和Kalman相结合的运动目标跟踪研究 | 第36-47页 |
| 4.1 常用的目标跟踪算法 | 第36-37页 |
| 4.1.1 基于主动轮廓的跟踪 | 第36页 |
| 4.1.2 基于特征的跟踪 | 第36页 |
| 4.1.3 基于区域的跟踪 | 第36-37页 |
| 4.1.4 基于模型的跟踪 | 第37页 |
| 4.2 基于Meanshift的跟踪算法 | 第37-39页 |
| 4.2.1 Meanshift算法的原理 | 第37-38页 |
| 4.2.2 Meanshift算法跟踪步骤 | 第38-39页 |
| 4.3 CamShift算法 | 第39-42页 |
| 4.3.1 Camshift算法的原理 | 第39页 |
| 4.3.2 Camshift算法的跟踪步骤 | 第39-42页 |
| 4.4 卡尔曼滤波器 | 第42-44页 |
| 4.5 Kalman滤波器在Camshift算法中的应用 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 实验平台搭建与结果分析 | 第47-59页 |
| 5.1 实验环境的搭建 | 第47-52页 |
| 5.1.1 本文采用OpenCV版本介绍以及对OpenCV的配置 | 第47-48页 |
| 5.1.2 本文对OpenCV的配置 | 第48-52页 |
| 5.2 本文算法实验结果分析 | 第52-58页 |
| 5.2.1 实验平台介绍 | 第52页 |
| 5.2.2 简单背景下的目标跟踪实验结果 | 第52-53页 |
| 5.2.3 复杂背景下的目标跟踪实验结果 | 第53-55页 |
| 5.2.4 目标物体遮挡及颜色相似实验 | 第55-57页 |
| 5.2.5 实验结果分析以及结论 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间参与的项目及取得的研究成果 | 第64-65页 |
| 致谢 | 第65-67页 |
