| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 目标检测技术的研究现状 | 第11-12页 |
| 1.2.2 目标跟踪技术的研究现状 | 第12-13页 |
| 1.3 研究难点 | 第13页 |
| 1.4 本文研究的主要内容及结构安排 | 第13-16页 |
| 2 运动目标检测和目标跟踪理论基础 | 第16-22页 |
| 2.1 运动目标检测算法 | 第16-17页 |
| 2.1.1 光流法 | 第16页 |
| 2.1.2 帧间差分法 | 第16页 |
| 2.1.3 背景差分法 | 第16-17页 |
| 2.2 目标跟踪的研究理论 | 第17-20页 |
| 2.2.1 随机有限集RFS | 第17页 |
| 2.2.2 PHD滤波 | 第17-18页 |
| 2.2.3 CPHD滤波 | 第18-19页 |
| 2.2.4 多目标跟踪性能评价指标 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 基于小波分块的背景差分法运动目标检测 | 第22-40页 |
| 3.1 背景初始化 | 第22-23页 |
| 3.1.1 图像块的选取 | 第22页 |
| 3.1.2 混合高斯模型背景建模 | 第22-23页 |
| 3.2 前景检测 | 第23-25页 |
| 3.2.1 小波阈值去噪方法 | 第24-25页 |
| 3.3 背景维护 | 第25-27页 |
| 3.3.1 盲目背景维护 | 第25-26页 |
| 3.3.2 选择性背景维护 | 第26页 |
| 3.3.3 自适应背景维护 | 第26-27页 |
| 3.4 实验结果与分析 | 第27-38页 |
| 3.4.1 背景初始化 | 第27-29页 |
| 3.4.2 前景检测 | 第29-34页 |
| 3.4.3 背景维护 | 第34-35页 |
| 3.4.4 不同方法的比较 | 第35-36页 |
| 3.4.5 不同方法得到的前景的比较 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 基于时变滤波的高斯混合PHD滤波跟踪算法 | 第40-52页 |
| 4.1 PHD滤波跟踪算法 | 第40-43页 |
| 4.1.1 PHD滤波算法原理 | 第40-41页 |
| 4.1.2 PHD滤波算法实现过程 | 第41-43页 |
| 4.2 基于时变滤波的高斯混合PHD滤波跟踪算法 | 第43-46页 |
| 4.2.1 基于时变滤波的高斯混合PHD滤波算法原理 | 第44页 |
| 4.2.2 基于时变滤波的高斯混合PHD滤波算法实现过程 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 基于自适应参数学习机制CPHD滤波跟踪算法 | 第52-66页 |
| 5.1 CPHD滤波跟踪算法 | 第52-54页 |
| 5.1.1 CPHD滤波算法原理 | 第52-53页 |
| 5.1.2 线性高斯下的CPHD滤波实现过程 | 第53-54页 |
| 5.2 基于自适应参数学习机制CPHD滤波跟踪算法 | 第54-58页 |
| 5.2.1 基于自适应参数学习机制CPHD滤波算法原理 | 第55-57页 |
| 5.2.2 基于自适应参数学习机制CPHD滤波算法实现过程 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-64页 |
| 5.4 本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的研究成果 | 第74页 |
