| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17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11-15页 |
| 1.2.1 视频监控系统发展及现状 | 第11-12页 |
| 1.2.2 目标检测的研究现状 | 第12-13页 |
| 1.2.3 目标跟踪的研究现状 | 第13-14页 |
| 1.2.4 目标检测与跟踪存在的问题 | 第14-15页 |
| 1.3 本文主要研究的内容及安排 | 第15-17页 |
| 第二章 三帧差分法与背景差分法融合的目标检测算法 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 运动目标检测算法的分析及比较 | 第17-25页 |
| 2.2.1 基于光流法目标检测 | 第17-19页 |
| 2.2.2 基于帧间差分法目标检测 | 第19-21页 |
| 2.2.3 基于背景差分法目标检测 | 第21-24页 |
| 2.2.4 运动目标检测算法对比与分析 | 第24-25页 |
| 2.3 三帧差分法与背景差分法融合的目标检测算法 | 第25-27页 |
| 2.3.1 融合算法检测思想 | 第25-26页 |
| 2.3.2 融合算法检测流程 | 第26-27页 |
| 2.4 基于自适应迭代阈值的计算 | 第27-28页 |
| 2.4.1 自适应迭代阈值计算流程 | 第27-28页 |
| 2.4.2 实验及分析 | 第28页 |
| 2.5 融合目标检测算法实验及分析 | 第28-30页 |
| 2.5.1 稳定环境下目标检测实验及分析 | 第29页 |
| 2.5.2 复杂环境下目标检测实验及分析 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于Mean shift的改进目标跟踪算法 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 Mean shift算法基本理论 | 第31-34页 |
| 3.2.1 非参密度估计理论 | 第31-32页 |
| 3.2.2 Mean shift向量 | 第32-34页 |
| 3.2.3 Mean shift算法理论 | 第34页 |
| 3.3 基于Mean shift的改进跟踪算法 | 第34-39页 |
| 3.3.1 Mean shift算法分析及改进思想 | 第34页 |
| 3.3.2 目标位置特征提取 | 第34-36页 |
| 3.3.3 改进Mean shift算法跟踪流程 | 第36-39页 |
| 3.4 实验及分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 复杂环境下多特征粒子滤波与改进的Mean shift融合目标跟踪算法 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 粒子滤波跟踪算法 | 第42-44页 |
| 4.2.1 贝叶斯状态估计 | 第42-43页 |
| 4.2.2 蒙特卡罗原理 | 第43页 |
| 4.2.3 序贯重要性采样 | 第43-44页 |
| 4.2.4 粒子退化现象与重采样 | 第44页 |
| 4.3 多特征粒子滤波跟踪算法 | 第44-51页 |
| 4.3.1 目标特征提取 | 第44-45页 |
| 4.3.2 状态转移概率模型 | 第45-46页 |
| 4.3.3 相似度的测量 | 第46页 |
| 4.3.4 多特征融合模型 | 第46页 |
| 4.3.5 多特征粒子滤波跟踪算法流程 | 第46-47页 |
| 4.3.6 实验及分析 | 第47-51页 |
| 4.4 多特征粒子滤波与改进的Mean shift融合算法 | 第51-54页 |
| 4.4.1 多特征粒子滤波与改进的Mean shift融合算法思想 | 第51页 |
| 4.4.2 多特征粒子滤波与改进的Mean shift融合算法流程 | 第51-52页 |
| 4.4.3 实验及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62-63页 |
