| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·多运动目标检测跟踪算法研究现状及存在问题 | 第8-10页 |
| ·研究现状 | 第8-9页 |
| ·存在问题 | 第9-10页 |
| ·本文研究的主要内容以及章节安排 | 第10-12页 |
| 2 多运动目标检测跟踪相关理论 | 第12-19页 |
| ·目标检测跟踪流程 | 第12-13页 |
| ·目标检测 | 第13-14页 |
| ·目标跟踪 | 第14-18页 |
| ·波门跟踪模式 | 第14-15页 |
| ·图像匹配模式 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 3 静态背景下运动目标的检测 | 第19-32页 |
| ·基于自适应背景模型的目标检测算法 | 第19-24页 |
| ·基于垂直投影图的阴影消除算法 | 第24-26页 |
| ·形态学处理 | 第26-29页 |
| ·图像腐蚀 | 第26-27页 |
| ·图像膨胀 | 第27-29页 |
| ·静态背景下多目标的特征数据关联 | 第29-31页 |
| ·目标特征提取 | 第29页 |
| ·数据关联 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于特征角点匹配的运动目标跟踪算法 | 第32-43页 |
| ·角点检测 | 第32-35页 |
| ·Harris角点检测算法 | 第32-34页 |
| ·Susan角点检测算法 | 第34-35页 |
| ·MIC角点检测算法 | 第35页 |
| ·改进的Susan角点提取算法 | 第35-39页 |
| ·边缘检测 | 第36-38页 |
| ·基于 Canny边缘算子的Susan角点提取算法 | 第38-39页 |
| ·自适应阈值t、g的选择 | 第39页 |
| ·MCD相关跟踪算法 | 第39-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于 MEAN SHIFT算法的多运动目标跟踪方法 | 第43-64页 |
| ·Mean-Shift跟踪算法 | 第43-48页 |
| ·核密度估计理论 | 第43-44页 |
| ·Mean Shift理论 | 第44-46页 |
| ·Mean Shift跟踪算法 | 第46-48页 |
| ·预测算法 | 第48-50页 |
| ·线性预测算法 | 第49页 |
| ·平方预测算法 | 第49-50页 |
| ·卡尔曼预测算法 | 第50页 |
| ·卡尔曼预测算法 | 第50-57页 |
| ·卡尔曼滤波理论的发展 | 第51页 |
| ·Kalman滤波器的原理 | 第51-53页 |
| ·Kalman预测算法在位置预测中的改进 | 第53-54页 |
| ·遮挡、相似物干扰的处理 | 第54-57页 |
| ·动态背景下的多目标跟踪 | 第57-63页 |
| ·目标状态分析 | 第57-58页 |
| ·多目标运动轨迹交叉问题的研究 | 第58-60页 |
| ·目标模板更新策略 | 第60-61页 |
| ·自适应核窗宽的调整 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |