| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的背景及意义 | 第8-10页 |
| 1.2 国内外研究现状及主要研究方法 | 第10-14页 |
| 1.2.1 主要研究现状 | 第10-11页 |
| 1.2.2 主要研究方法 | 第11-14页 |
| 1.3 本文研究内容与章节安排 | 第14-16页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 本文的章节安排 | 第15-16页 |
| 第二章 目标跟踪算法 | 第16-32页 |
| 2.1 粒子滤波跟踪算法 | 第16-21页 |
| 2.1.1 粒子滤波跟踪原理 | 第16-17页 |
| 2.1.2 目标模型 | 第17-18页 |
| 2.1.3 Bhattacharyya系数 | 第18页 |
| 2.1.4 跟踪算法步骤 | 第18-19页 |
| 2.1.5 粒子滤波实验结果 | 第19-21页 |
| 2.2 Camshift跟踪算法 | 第21-32页 |
| 2.2.1 颜色空间转换 | 第22-24页 |
| 2.2.2 反向投影 | 第24-25页 |
| 2.2.3 图像阶矩 | 第25-26页 |
| 2.2.4 Camshift跟踪算法流程 | 第26-28页 |
| 2.2.5 Camshift实验结果及分析 | 第28-32页 |
| 第三章 基于显著性直方图的粒子滤波跟踪方法 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 改进的粒子滤波跟踪算法 | 第33-36页 |
| 3.2.1 基于显著性的目标直方图模型 | 第33-35页 |
| 3.2.2 跟踪算法步骤 | 第35-36页 |
| 3.3 目标跟踪对比实验 | 第36-41页 |
| 3.3.1 车辆目标跟踪实验 | 第36-39页 |
| 3.3.2 行走人体目标跟踪实验 | 第39-41页 |
| 3.4 运算时间对比 | 第41页 |
| 3.5 结论 | 第41-44页 |
| 第四章 基于边缘抑制的改进Camshift跟踪方法 | 第44-52页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于边缘抑制的改进Camshift算法 | 第45-47页 |
| 4.3 目标跟踪对比实验 | 第47-51页 |
| 4.3.1 标准测试视频目标跟踪 | 第47-49页 |
| 4.3.2 实际运动目标跟踪 | 第49-51页 |
| 4.4 运算时间对比 | 第51页 |
| 4.5 结论 | 第51-52页 |
| 第五章 基于ROS平台的智能跟踪小车设计 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 ROS系统框架 | 第52-54页 |
| 5.3 ROS智能跟踪小车设计 | 第54-55页 |
| 5.4 智能小车的控制算法 | 第55页 |
| 5.5 基于ROS平台的智能小车 | 第55-58页 |
| 5.5.1 智能小车硬件系统 | 第56页 |
| 5.5.2 智能小车软件系统 | 第56-58页 |
| 5.6 智能小车跟踪实验 | 第58-63页 |
| 5.6.1 实验一 | 第59-60页 |
| 5.6.2 实验二 | 第60-61页 |
| 5.6.3 实验三 | 第61-63页 |
| 5.7 结论 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第70-72页 |
| 致谢 | 第72页 |