文摘
英文文摘
声明
第1章绪论
1.1课题研究的背景、来源和意义
1.2运动检测与目标跟踪技术的发展与现状
1.2.1运动目标检测技术的发展与现状
1.2.2运动目标跟踪技术的发展与现状
1.3本文研究内容及实验平台
1.3.1本文研究内容和主要贡献
1.3.2本文实验平台
1.4本文结构安排
第2章运动检测和目标跟踪算法原理
2.1基于背景差分法的运动检测原理
2.2 Mean Shift算法的基本理论
2.2.1 Mean Shift向量及其物理含义
2.2.2 Mean Shift算法步骤
2.2.3 Mean Shift算法的收敛性证明
2.3图像预处理和后期形态学处理
2.3.1图像预处理
2.3.2后期形态学处理
2.4 RGB和HSV颜色空间
2.5本章小结
第3章基于多高斯背景模型的运动检测及其改进
3.1基于多高斯背景模型的运动检测
3.1.1背景差分算法中的背景模板
3.1.2基于多高斯背景模型的运动检测实验
3.2基于改进背景更新算法的运动检测
3.3在摄像头运动场景下的改进算法
3.4基于改进的阴影滤除算法的运动检测
3.5运动检测算法的扩展
3.6本章小结
第4章基于Mean Shift算法的目标跟踪及其改进
4.1 Mean Shift算法和目标跟踪
4.1.1基于直方图的特征模板
4.1.2基于Mean Shift的目标跟踪算法原理
4.1.3基于Mean Shift算法的目标跟踪实验
4.2基于改进模板相似性度量方法的Mean Shift跟踪算法
4.3基于Kalman预测器改进的Mean Shift跟踪算法
4.4一种简单的全自动跟踪算法
4.5本章小结
第5章结论
参考文献
致谢
浙江大学;
浙江大学信息科学与工程学院;
数字图像处理; 计算机视觉; 自主移动机器人; 多高斯背景模型; Mean shift; 目标跟踪算法; Kalman预估器; 高斯滤波图像预处理; 阴影滤除算法;