| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景与意义 | 第11-12页 |
| 1.2 目标识别的框架及思路 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 目标识别模型介绍 | 第17-24页 |
| 2.1 概述 | 第17页 |
| 2.2 BOW模型 | 第17-20页 |
| 2.3 图像分割 | 第20页 |
| 2.4 PBM模型 | 第20-21页 |
| 2.5 基于BOF的动态场景目标识别模型 | 第21-23页 |
| 2.5.1 基于BOF的目标识别介绍 | 第21页 |
| 2.5.2 BOF在动态场景中的应用 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 动态场景中视觉目标特征检测与描述 | 第24-50页 |
| 3.1 动态场景中的视觉目标特征介绍及难点分析 | 第24-28页 |
| 3.1.1 动态场景中的视觉目标特征介绍 | 第24-28页 |
| 3.1.1.1 全局特征 | 第24-26页 |
| 3.1.1.2 局部特征 | 第26-28页 |
| 3.1.2 动态场景中的难点问题 | 第28页 |
| 3.2 视觉目标特征检测 | 第28-39页 |
| 3.2.1 抗仿射局部特征区域检测-MSER | 第29-30页 |
| 3.2.1.1 MSER简介 | 第29页 |
| 3.2.1.2 MSER特征的提取 | 第29-30页 |
| 3.2.2 抗尺度缩放的特征检测-DOG | 第30-36页 |
| 3.2.2.1 DOG简介 | 第30-31页 |
| 3.2.2.2 尺度空间理论 | 第31-32页 |
| 3.2.2.3 DOG特征的提取算法 | 第32-36页 |
| 3.2.3 特征检测对比实验分析 | 第36-39页 |
| 3.3 视觉目标特征描述 | 第39-49页 |
| 3.3.1 SIFT特征描述 | 第40-45页 |
| 3.3.1.1 关键点方向赋值 | 第40-41页 |
| 3.3.1.2 关键点描述 | 第41-45页 |
| 3.3.2 BRIEF特征描述 | 第45-46页 |
| 3.3.3 特征描述实验结果分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 识别与分类器设计 | 第50-63页 |
| 4.1 近邻法 | 第50-51页 |
| 4.1.1 最近邻法 | 第50-51页 |
| 4.1.2 K近邻法 | 第51页 |
| 4.2 SVM分类器 | 第51-59页 |
| 4.2.1 什么是SVM | 第51页 |
| 4.2.2 线性支持向量机 | 第51-56页 |
| 4.2.2.1 线性分类 | 第51-54页 |
| 4.2.2.2 线性可分最优分类面 | 第54-56页 |
| 4.2.3 支持向量机 | 第56-59页 |
| 4.2.3.1 线性不可分最优分类面 | 第56-57页 |
| 4.2.3.2 支持向量机 | 第57-58页 |
| 4.2.3.3 直方图正交核 | 第58-59页 |
| 4.3 实验结果与分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 动态场景中的视觉目标识别 | 第63-73页 |
| 5.1 基于BOF的动态场景目标识别 | 第63-64页 |
| 5.2 基于SPBOF动态场景视觉目标识别 | 第64-67页 |
| 5.2.1 金字塔匹配核 | 第64-65页 |
| 5.2.2 基于Spatial Pyamid BOF+基于HI核的SVM | 第65-67页 |
| 5.3 实验结果与分析 | 第67-72页 |
| 5.3.1 基于SPBOF+SIFT+SVM的实验分析 | 第68-70页 |
| 5.3.2 基于SPBOF+BRIEF+SVM的实验分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 全文总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 后续工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
