| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究动态及存在的问题 | 第11-13页 |
| 1.2.1 研究动态 | 第11-12页 |
| 1.2.2 存在的问题 | 第12-13页 |
| 1.3 主要研究内容和结构安排 | 第13-14页 |
| 1.3.1 主要内容 | 第13页 |
| 1.3.2 结构安排 | 第13-14页 |
| 2 视频图像预处理和后处理 | 第14-23页 |
| 2.1 图像的滤波 | 第14-16页 |
| 2.2 彩图灰度化及二值化 | 第16-18页 |
| 2.2.1 彩图灰度化 | 第16-17页 |
| 2.2.2 灰图二值化 | 第17-18页 |
| 2.3 图像的形态学操作 | 第18-20页 |
| 2.3.1 腐蚀 | 第18-19页 |
| 2.3.2 膨胀 | 第19-20页 |
| 2.4 灰度直方图 | 第20-23页 |
| 3 运动目标检测算法研究 | 第23-36页 |
| 3.1 常用检测方法 | 第23-27页 |
| 3.1.1 光流法 | 第23-24页 |
| 3.1.2 帧间差分法 | 第24-25页 |
| 3.1.3 背景差分法 | 第25-26页 |
| 3.1.4 背景模型法 | 第26-27页 |
| 3.2 常用背景建模方法 | 第27-31页 |
| 3.2.1 W4 法 | 第27-28页 |
| 3.2.2 混合高斯模型法 | 第28-30页 |
| 3.2.3 统计平均法 | 第30-31页 |
| 3.3 基于改进的 Burendra算法结合背景差分法的运动目标检测算法 | 第31-36页 |
| 3.3.1 传统的 Burendra算法 | 第31-32页 |
| 3.3.2 改进的 Burendra算法 | 第32-34页 |
| 3.3.3 改进的 Burendra算法结合背景差分法检测运动目标 | 第34-36页 |
| 4 运动目标跟踪算法研究 | 第36-58页 |
| 4.1 运动目标跟踪技术概述 | 第36页 |
| 4.2 运动目标跟踪的经典算法 | 第36-41页 |
| 4.2.1 Mean-shift跟踪算法 | 第36-38页 |
| 4.2.2 Kalman滤波跟踪算法 | 第38-40页 |
| 4.2.3 基于标准粒子滤波的跟踪算法 | 第40-41页 |
| 4.3 基于 EKF 预测采样的粒子滤波跟踪算法 | 第41-58页 |
| 4.3.1 标准粒子滤波器 | 第42-44页 |
| 4.3.2 扩展卡尔曼滤波 | 第44-46页 |
| 4.3.3 基于 EKF 预测采样的粒子滤波算法 | 第46-49页 |
| 4.3.4 实验仿真与分析 | 第49-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读学位期间的研究成果 | 第63页 |