基于记忆机制的机器人视觉发育方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-13页 |
| 1.1.1 课题研究的背景 | 第10-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 认知发育 | 第13-14页 |
| 1.2.2 大脑记忆机制 | 第14页 |
| 1.2.3 目标检测与跟踪 | 第14-15页 |
| 1.2.4 自主发育机制 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文内容安排 | 第17-19页 |
| 第2章 记忆机制认知计算模型 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 大脑皮层记忆机制工作机理 | 第19-22页 |
| 2.2.1 海马结构 | 第19-20页 |
| 2.2.2 前额叶皮层结构 | 第20-21页 |
| 2.2.3 海马-前额叶神经回路 | 第21页 |
| 2.2.4 视觉感知 | 第21-22页 |
| 2.3 记忆机制模型分类 | 第22-29页 |
| 2.3.1 艾宾浩斯记忆遗忘曲线模型 | 第23-24页 |
| 2.3.2 工作记忆嵌入式加工模型 | 第24-25页 |
| 2.3.3 工作记忆模型 | 第25-27页 |
| 2.3.4 工作记忆的同心圆模型 | 第27-29页 |
| 2.3.5 优化工作记忆模型 | 第29页 |
| 2.4 记忆机制认知计算模型 | 第29-32页 |
| 2.4.1 基于记忆机制的图像信息处理模型 | 第29-30页 |
| 2.4.2 基于人类记忆机制的视觉计算模型设计 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于人类记忆机制的压缩感知目标跟踪方法 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 压缩感知算法介绍 | 第34-36页 |
| 3.2.1 压缩感知的特征提取 | 第34-35页 |
| 3.2.2 基于贝叶斯分类器的目标检测 | 第35-36页 |
| 3.3 基于特征加权的目标检测 | 第36-37页 |
| 3.4 目标记忆库特征更新 | 第37-38页 |
| 3.5 记忆机制的压缩感知目标跟踪算法设计 | 第38-40页 |
| 3.6 实验设计与结果分析 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于人类记忆机制的霍夫森林目标跟踪方法 | 第43-53页 |
| 4.1 引言 | 第43-44页 |
| 4.2 在线霍夫森林分类器 | 第44-46页 |
| 4.2.1 构建分类器 | 第44-46页 |
| 4.2.2 使用霍夫森林进行目标检测 | 第46页 |
| 4.3 基于霍夫森林的跟踪过程 | 第46-48页 |
| 4.3.1 跟踪过程 | 第46-47页 |
| 4.3.2 光照变化、目标遮挡反馈机制 | 第47-48页 |
| 4.4 实验设计与结果分析 | 第48-52页 |
| 4.4.1 定性分析 | 第48-50页 |
| 4.4.2 定量分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于记忆机制的目标跟踪机器人的设计 | 第53-58页 |
| 5.1 引言 | 第53页 |
| 5.2 目标跟踪机器人设计与实现 | 第53页 |
| 5.3 目标跟踪机器人硬件与软件设计 | 第53-56页 |
| 5.3.1 硬件设计 | 第53-55页 |
| 5.3.2 软件设计 | 第55-56页 |
| 5.4 跟踪实验与结果分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 导师简介 | 第66-67页 |
| 作者简介 | 第67-68页 |
| 学位论文数据集 | 第68页 |
