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 |