| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-18页 |
| ·选题依据及背景概述 | 第13页 |
| ·全方位视觉概述 | 第13-17页 |
| ·全方位视觉简介 | 第13-15页 |
| ·全方位视觉国内外研究现状 | 第15-17页 |
| ·主要研究内容及章节安排 | 第17-18页 |
| 2 全方位图像展开 | 第18-29页 |
| ·全方位视觉成像过程 | 第18-21页 |
| ·全方位视觉的镜头参数 | 第18-20页 |
| ·全方位视觉成像原理 | 第20-21页 |
| ·全方位图像理论柱面展开 | 第21-22页 |
| ·全方位图像快速展开算法 | 第22-23页 |
| ·插值算法 | 第23-26页 |
| ·最近邻插值 | 第24页 |
| ·双线性插值 | 第24-25页 |
| ·三次立方卷积插值 | 第25-26页 |
| ·实验与分析 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 3 基于全方位视觉的运动目标检测 | 第29-49页 |
| ·运动目标检测主要算法及原理 | 第29-31页 |
| ·光流法 | 第29-30页 |
| ·帧间差分法 | 第30-31页 |
| ·背景减除法 | 第31页 |
| ·基于隔帧差分背景建模的运动目标检测算法 | 第31-37页 |
| ·算法基本思想 | 第31-33页 |
| ·背景模型的建立 | 第33页 |
| ·自适应背景更新策略 | 第33-34页 |
| ·实验效果与分析 | 第34-37页 |
| ·基于背景补偿的运动目标检测算法 | 第37-47页 |
| ·SIFT特征点提取算法 | 第38-43页 |
| ·DOG尺度空间极值检测 | 第39-40页 |
| ·精确定位极值点 | 第40-42页 |
| ·确定关键点的方向 | 第42页 |
| ·生成特征描述子 | 第42-43页 |
| ·SIFT特征点初始匹配 | 第43-44页 |
| ·仿射变换模型 | 第44页 |
| ·RANSAC算法 | 第44-45页 |
| ·背景补偿和帧间差分 | 第45页 |
| ·实验效果与分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 4 基于全方位视觉的目标跟踪算法 | 第49-63页 |
| ·Mean-shift算法 | 第49-55页 |
| ·核密度估计理论 | 第49-50页 |
| ·均值偏移向量 | 第50-52页 |
| ·Mean-shift目标跟踪算法 | 第52-55页 |
| ·基于全方位视觉的改进Mean-shift算法实现 | 第55-60页 |
| ·尺度自适应法 | 第56页 |
| ·Kalman预测 | 第56-59页 |
| ·Kalman滤波原理与流程 | 第56-58页 |
| ·卡尔曼滤波器在目标跟踪中的应用 | 第58-59页 |
| ·改进Mean-shift算法实现步骤 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 5 结论与展望 | 第63-65页 |
| ·工作与总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者简历 | 第68页 |