| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-14页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 研究现状分析 | 第8-12页 |
| 1.3 研究过程中存在的难点 | 第12-13页 |
| 1.4 本文的主要内容与组织结构 | 第13-14页 |
| 第2章 运动目标检测与跟踪方法及相关理论 | 第14-30页 |
| 2.1 运动目标检测方法介绍 | 第14-23页 |
| 2.1.1 高斯建模方法 | 第15-17页 |
| 2.1.2 码本建模方法 | 第17-19页 |
| 2.1.3 ViBe建模方法 | 第19-21页 |
| 2.1.4 LBP建模方法 | 第21-23页 |
| 2.2 运动目标跟踪方法介绍 | 第23-28页 |
| 2.2.1 Mean Shift算法 | 第23-26页 |
| 2.2.2 卡尔曼滤波算法 | 第26-27页 |
| 2.2.3 粒子滤波算法 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 基于自适应混合模型的运动目标检测与跟踪方法 | 第30-44页 |
| 3.1 多通道自适应LBSP描述符 | 第30-32页 |
| 3.1.1 LBSP描述符 | 第30-31页 |
| 3.1.2 多通道自适应LBSP | 第31-32页 |
| 3.2 基于自适应混合模型的运动目标检测方法 | 第32-37页 |
| 3.2.1 混合背景模型的建立 | 第33-34页 |
| 3.2.2 运动目标的检测 | 第34-36页 |
| 3.2.3 混合背景模型的更新 | 第36-37页 |
| 3.3 Shape Context算法 | 第37-42页 |
| 3.3.1 提取物体轮廓边缘特征点 | 第37-38页 |
| 3.3.2 构建对数极坐标系 | 第38-40页 |
| 3.3.3 计算特征点直方图 | 第40页 |
| 3.3.4 形状匹配 | 第40-42页 |
| 3.4 自适应混合模型结合Shape Context信息的目标跟踪方法 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 实验结果与分析 | 第44-56页 |
| 4.1 目标检测算法实验结果与分析 | 第44-50页 |
| 4.1.1 参数设置 | 第44-45页 |
| 4.1.2 实验结果展示及分析 | 第45-50页 |
| 4.2 目标跟踪算法实验结果与分析 | 第50-54页 |
| 4.2.1 不同运动目标检测算法检测结果的Shape Context信息对比 | 第50-52页 |
| 4.2.2 基于自适应混合模型结合Shape Context信息的目标跟踪结果 | 第52-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第5章 总结 | 第56-59页 |
| 5.1 主要工作与创新点 | 第56-57页 |
| 5.2 后续研究工作 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64页 |
