| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 选题背景及研究意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 人体运动目标检测 | 第13-14页 |
| 1.2.2 目标分类识别 | 第14-15页 |
| 1.2.3 人体运动目标跟踪 | 第15-16页 |
| 1.3 研究难点 | 第16-17页 |
| 1.4 论文的主要研究工作 | 第17-18页 |
| 2 图像处理基础知识 | 第18-25页 |
| 2.1 图像平滑 | 第18-19页 |
| 2.1.1 均值滤波 | 第18-19页 |
| 2.1.2 中值滤波 | 第19页 |
| 2.2 图像分割 | 第19-21页 |
| 2.3 形态学处理 | 第21-23页 |
| 2.3.1 膨胀与腐蚀 | 第22-23页 |
| 2.3.2 开运算与闭运算 | 第23页 |
| 2.4 连通性分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 人体运动目标检测 | 第25-39页 |
| 3.1 人体运动目标检测常用算法 | 第25-28页 |
| 3.1.1 背景减除法（Background Subtraction） | 第25-26页 |
| 3.1.2 时间差分法 (Temporal Difference) | 第26-27页 |
| 3.1.3 光流法（Optical Flow） | 第27-28页 |
| 3.2 基于自适应混合高斯背景模型的人体运动目标检测 | 第28-33页 |
| 3.2.1 单高斯模型 | 第28-29页 |
| 3.2.2 自适应混合高斯高斯模型 | 第29-33页 |
| 3.3 阴影概述 | 第33页 |
| 3.4 运动物体分类识别 | 第33-36页 |
| 3.4.1 运动目标分类 | 第33-35页 |
| 3.4.2 人体运动目标的识别 | 第35-36页 |
| 3.5 本文检测算法流程 | 第36页 |
| 3.6 实验结果及分析 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 4 人体运动目标跟踪 | 第39-56页 |
| 4.1 人体运动目标跟踪的基本方法 | 第39-41页 |
| 4.1.1 基于特征识别匹配的跟踪 | 第39-40页 |
| 4.1.2 基于运动状态信息的目标跟踪 | 第40-41页 |
| 4.2 基于卡尔曼滤波的人体运动目标跟踪 | 第41-45页 |
| 4.2.1 卡尔曼滤波器的基本原理 | 第41-44页 |
| 4.2.2 Kalman 滤波参数设定 | 第44-45页 |
| 4.3 基于 Camshift 算法的人体运动目标跟踪 | 第45-51页 |
| 4.3.1 相关颜色模型介绍 | 第45-47页 |
| 4.3.2 Meanshift 算法 | 第47-49页 |
| 4.3.3 Camshift 算法 | 第49-51页 |
| 4.4 结合 Camshift 算法和 Kalman 预测的人体运动目标跟踪 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62-63页 |
| 发表的学术论文 | 第63-64页 |
