| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外发展现状及应用 | 第9-10页 |
| 1.3 论文结构及创新点 | 第10-12页 |
| 1.3.1 论文创新点 | 第10-11页 |
| 1.3.2 论文章节安排 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-24页 |
| 2.1 数字图像处理的概念 | 第13-15页 |
| 2.1.1 数字图像基础 | 第13-14页 |
| 2.1.2 单色图像形成模型 | 第14-15页 |
| 2.2 数字图像表示 | 第15-17页 |
| 2.3 彩色模型 | 第17-22页 |
| 2.3.1 RGB 彩色模型 | 第18页 |
| 2.3.2 CMY 和 CMYK 模型 | 第18-19页 |
| 2.3.3 HSI 彩色模型 | 第19-22页 |
| 2.4 图像预处理 | 第22-24页 |
| 第三章 基于混合高斯模型的前景提取和目标检测方法 | 第24-36页 |
| 3.1 基本混合高斯模型 | 第25-26页 |
| 3.1.1 模型建立 | 第25页 |
| 3.1.2 匹配与更新 | 第25-26页 |
| 3.1.3 背景形成 | 第26页 |
| 3.2 自适应学习速率控制 | 第26-28页 |
| 3.2.1 背景演进过程 | 第27页 |
| 3.2.2 自适应学习速率 | 第27-28页 |
| 3.3 改进的背景建模算法 | 第28-32页 |
| 3.3.1 基于动态混合高斯数目的背景建模算法 | 第28-30页 |
| 3.3.2 自适应二值化阈值 | 第30页 |
| 3.3.3 像素级前景拼接 | 第30-32页 |
| 3.4 实验结果及分析 | 第32-36页 |
| 第四章 经典的 Mean shift 的目标跟踪算法 | 第36-52页 |
| 4.1 背景建模 | 第36-38页 |
| 4.1.1 通过中值滤波进行背景维护 | 第36-37页 |
| 4.1.2 通过混合多高斯模型进行背景维护 | 第37-38页 |
| 4.2 基于核函数的 Mean-shift 目标跟踪 | 第38-49页 |
| 4.2.1 均值移位(Mean shift)过程原理 | 第39-43页 |
| 4.2.2 基于核函数的 Mean-Shift 目标跟踪模型 | 第43-49页 |
| 4.3 实验结果及分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 改进的自适应带宽 Mean-shift 的目标跟踪算法 | 第52-61页 |
| 5.1 传统 Mean-shift 跟踪算法的缺点 | 第52页 |
| 5.2 改进算法的理论基础 | 第52-57页 |
| 5.2.1 仿射模型 | 第52-54页 |
| 5.2.2 特征点匹配 | 第54-55页 |
| 5.2.3 后向跟踪-形心配准 | 第55-56页 |
| 5.2.4 特征点对的回归 | 第56-57页 |
| 5.3 改进的基于 Mean-shift 自适应带宽跟踪算法描述 | 第57-59页 |
| 5.4 实验结果及分析 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 致谢 | 第66页 |
