首页--工业技术论文--无线电电子学、电信技术论文--电视论文--电视中心、电视设备论文--电视中心管理系统论文

视频监控下的猪只分娩行为识别及仔猪跟踪技术研究

摘要第4-5页
Abstract第5-6页
第一章 绪论:智能监控与猪只检测系统第11-17页
    1.1 论文研究背景与研究意义第11-12页
    1.2 国内外研究发展现状第12-15页
        1.2.1 基于智能视频监控的目标检测及跟踪研究现状第12-14页
        1.2.2 基于智能视频监控的猪只行为识别研究现状第14-15页
    1.3 论文主要内容及论文章节安排第15-17页
第二章 运动目标检测与跟踪第17-37页
    2.1 常用的前景检测算法第17-27页
        2.1.1 混合高斯模型(GMM)算法第18-20页
        2.1.2 帧间差分法第20-23页
        2.1.3 Vibe算法概述第23-25页
        2.1.4 三种算法的实验效果对比第25-27页
    2.2 图像处理知识及形态学操作第27-32页
        2.2.1 图像预处理第27-30页
            2.2.1.1 图像灰度化第28页
            2.2.1.2 图像滤波第28-30页
        2.2.2 形态学操作第30-32页
    2.3 运动目标跟踪算法第32-35页
        2.3.1 基于自适应模板匹配的多目标跟踪算法第33-34页
        2.3.2 基于运动信息的多目标跟踪算法第34-35页
    2.4 本章小结第35-37页
第三章 猪只分娩行为识别技术第37-54页
    3.1 猪只分娩行为研究第37-53页
        3.1.1 猪只目标检测第37-41页
        3.1.2 母猪位置获取第41-47页
        3.1.3 母猪分娩预测及识别第47-53页
    3.2 本章小结第53-54页
第四章 仔猪目标跟踪算法第54-70页
    4.1 仔猪目标提取第55-59页
    4.2 压缩感知跟踪算法第59-63页
        4.2.1 压缩感知基本原理第59-60页
        4.2.2 信号稀疏变换第60-62页
        4.2.3 观察矩阵的构建第62-63页
        4.2.4 信号恢复算法的设计第63页
    4.3 基于仔猪目标特征的压缩感知跟踪算法第63-69页
        4.3.1 多特征压缩感知跟踪模型第64-65页
        4.3.2 压缩感知跟踪算法流程第65-66页
        4.3.3 压缩感知跟踪算法描述第66-68页
        4.3.4 实验与分析第68-69页
    4.4 本章小结第69-70页
第五章 总结与展望第70-72页
    5.1 本文工作总结第70-71页
    5.2 下一步的工作展望第71-72页
参考文献第72-75页
硕士在读期间科研成果第75-76页
    参与项目第75页
    软件著作权第75-76页
致谢第76-77页

论文共77页,点击 下载论文
上一篇:加拿大安大略省小学STSE课程模式研究
下一篇:《吕氏春秋》的养生观初探