| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景 | 第10页 |
| ·国内外研究现状 | 第10-15页 |
| ·运动目标检测与跟踪的发展与研究现状 | 第10-12页 |
| ·全方位视觉国内外研究现状 | 第12-15页 |
| ·论文所完成工作 | 第15-17页 |
| 第2章 全方位视觉的图像展开方法 | 第17-27页 |
| ·全方位视觉系统的概述 | 第17-18页 |
| ·全方位视觉传感器的光学成像原理 | 第18-19页 |
| ·基于全方位视觉系统成像的柱面解算法 | 第19-25页 |
| ·柱面还原解算简介 | 第20页 |
| ·双曲面成像逆投影原理 | 第20-22页 |
| ·柱面解算原理及解算结果 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于全方位视觉的运动目标检测方法研究 | 第27-42页 |
| ·引言 | 第27页 |
| ·运动检测算法的概述 | 第27-33页 |
| ·帧间差分法 | 第27-28页 |
| ·三帧间差分法 | 第28-30页 |
| ·光流法 | 第30-31页 |
| ·背景减除法 | 第31-33页 |
| ·混合高斯模型 | 第33-37页 |
| ·混合高斯模型的参数估计原理 | 第33-35页 |
| ·基于混合高斯模型的运动目标检测 | 第35-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于全方位视觉的运动目标跟踪 | 第42-64页 |
| ·引言 | 第42页 |
| ·核密度估计理论 | 第42-44页 |
| ·核密度估计的原理 | 第43页 |
| ·核函数的选择条件 | 第43-44页 |
| ·Mean Shift 理论 | 第44-47页 |
| ·Mean Shift 的密度估计 | 第44-45页 |
| ·Mean Shift 密度梯度估计 | 第45-47页 |
| ·基于颜色直方图的 Mean Shift 跟踪算法 | 第47-53页 |
| ·目标模型的表示 | 第48页 |
| ·候选目标模型的表示 | 第48-49页 |
| ·基于 Bhattacharyya 系数的相似性函数 | 第49页 |
| ·目标定位 | 第49-52页 |
| ·Mean Shift 颜色空间改进 | 第52-53页 |
| ·Mean Shift 的改进算法 | 第53-57页 |
| ·Kalman 滤波器的原理 | 第54-55页 |
| ·Kalman 预测在目标跟踪中应用原理 | 第55-56页 |
| ·Kalman 预测在 Mean Shift 算法跟踪中的应用 | 第56-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
