| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-13页 |
| 1.2.1 研究现状 | 第9-11页 |
| 1.2.2 存在问题 | 第11-13页 |
| 1.3 本文主要内容及章节安排 | 第13-16页 |
| 2 运动目标检测 | 第16-26页 |
| 2.1 监控场景介绍 | 第16页 |
| 2.2 目标检测方法 | 第16-19页 |
| 2.2.1 光流法 | 第16-18页 |
| 2.2.2 背景差分法 | 第18页 |
| 2.2.3 帧差分法 | 第18-19页 |
| 2.3 运动目标的提取 | 第19-20页 |
| 2.4 形态学处理 | 第20-22页 |
| 2.5 实验结果分析 | 第22-24页 |
| 2.6 本章小结 | 第24-26页 |
| 3 基于生成式的目标跟踪 | 第26-38页 |
| 3.1 跟踪问题简介 | 第26页 |
| 3.2 关键跟踪技术 | 第26-27页 |
| 3.3 基于Kalman滤波的目标跟踪 | 第27-29页 |
| 3.3.1 Kalman滤波原理 | 第27-28页 |
| 3.3.2 Kalman滤波目标跟踪 | 第28-29页 |
| 3.3.3 跟踪流程图 | 第29页 |
| 3.4 基于MeanShift的目标跟踪 | 第29-33页 |
| 3.4.1 Meanshift的基本思想及物理含义 | 第30-31页 |
| 3.4.2 基于Meanshift的目标跟踪 | 第31-32页 |
| 3.4.3 跟踪流程图 | 第32-33页 |
| 3.5 基于Kalman滤波的Meanshift改进算法的目标跟踪 | 第33-34页 |
| 3.6 实验结果分析 | 第34-36页 |
| 3.7 本章小结 | 第36-38页 |
| 4 基于判别式的目标跟踪 | 第38-58页 |
| 4.1 相关滤波算法 | 第38-39页 |
| 4.1.1 CN算法 | 第38页 |
| 4.1.2 DSST算法 | 第38-39页 |
| 4.2 基于KCF算法的目标跟踪 | 第39-44页 |
| 4.2.1 样本训练 | 第39-41页 |
| 4.2.2 快速检测 | 第41页 |
| 4.2.3 核函数的确定 | 第41-42页 |
| 4.2.4 目标特征提取 | 第42-43页 |
| 4.2.5 算法优化 | 第43-44页 |
| 4.3 跟踪流程图 | 第44-45页 |
| 4.4 目标属性及分类 | 第45-46页 |
| 4.5 跟踪结果及分析 | 第46-57页 |
| 4.5.1 参数设置 | 第46-47页 |
| 4.5.2 定量分析 | 第47-56页 |
| 4.5.3 整体性能分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-65页 |