摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 多摄像机多目标识别的关键技术 | 第13-14页 |
1.2.1 嵌入式处理平台 | 第13页 |
1.2.2 感兴趣目标的发现 | 第13-14页 |
1.2.3 多目标跟踪摄像机间的目标匹配 | 第14页 |
1.3 国内外现状与发展趋势 | 第14-18页 |
1.3.1 多摄像机动态目标跟踪的研究现状 | 第14-16页 |
1.3.2 嵌入式图像处理系统的研究现状 | 第16-18页 |
1.4 主要研究内容与章节安排 | 第18-20页 |
第2章 嵌入式多摄像机系统的构建 | 第20-34页 |
2.1 嵌入式系统硬件需求分析与选择 | 第20-24页 |
2.1.1 系统核心处理器的选择 | 第20-21页 |
2.1.2 视频采集方式的选择 | 第21-24页 |
2.2 嵌入式软件系统的选择与构建 | 第24-27页 |
2.2.1 嵌入式操作系统的选择 | 第24页 |
2.2.2 嵌入式Linux系统的构建 | 第24-27页 |
2.3 嵌入式软件运行库的选择 | 第27-29页 |
2.3.1 QT图形界面库的安装与嵌入式平台移植 | 第27-28页 |
2.3.2 OpenCV图像处理库的交叉编译 | 第28-29页 |
2.4 视频实时采集与显示 | 第29-32页 |
2.4.1 V4L2视频采集系统 | 第29-30页 |
2.4.2 IPU视频转码与显示 | 第30-32页 |
2.5 本章小结 | 第32-34页 |
第3章 动态目标的检测与识别研究 | 第34-48页 |
3.1 运动目标检测方法概述 | 第34-36页 |
3.1.1 光流法 | 第34-35页 |
3.1.2 帧差法 | 第35页 |
3.1.3 背景差法 | 第35-36页 |
3.2 基于混合高斯模型背景差法的动态前景提取 | 第36-40页 |
3.2.1 混合高斯背景建模的基本原理与过程 | 第36-39页 |
3.2.2 混合高斯背景建模发在嵌入式系统中的应用 | 第39-40页 |
3.3 HOG特征提取 | 第40-41页 |
3.4 SVM目标分类识别 | 第41-45页 |
3.4.1 支持向量机基本原理 | 第41-42页 |
3.4.2 线性可分 | 第42-44页 |
3.4.3 目标检测的实现 | 第44-45页 |
3.5 本章小结 | 第45-48页 |
第4章 基于Kalman滤波的Cam-Shift目标跟踪 | 第48-60页 |
4.1 Cam-Shift跟踪原理与实现 | 第48-52页 |
4.1.1 Mean-Shift基本理论与跟踪原理 | 第48-50页 |
4.1.2 Cam-Shift跟踪原理与实现 | 第50-52页 |
4.2 基于Kalman位置预估的Cam-Shift目标跟踪算法 | 第52-56页 |
4.2.1 Kalman基本理论 | 第52-54页 |
4.2.2 Kalman在位置预估中的应用 | 第54-55页 |
4.2.3 融合Kalman的Cam-Shift | 第55-56页 |
4.3 目标跟踪实验结果及分析 | 第56-58页 |
4.4 本章小结 | 第58-60页 |
第5章 基于多摄像机的多目标跟踪研究 | 第60-80页 |
5.1 目标匹配特征模板序列 | 第60-62页 |
5.2 多目标跟踪与匹配 | 第62-67页 |
5.2.1 目标的产生与消失 | 第62-65页 |
5.2.2 目标遮挡与丢失处理 | 第65-66页 |
5.2.3 基本跟踪流程 | 第66-67页 |
5.3 多摄像机跟踪匹配 | 第67-72页 |
5.3.1 基于色彩的一维特征模型 | 第67-70页 |
5.3.2 基于向量空间模型的余弦相似度算法 | 第70-71页 |
5.3.3 不同角度的目标匹配实验 | 第71-72页 |
5.4 系统软件设计及实验分析 | 第72-76页 |
5.4.1 系统软件设计与实现 | 第72-74页 |
5.4.2 实验效果及分析 | 第74-76页 |
5.5 嵌入式软件的多核并行优化设计 | 第76-79页 |
5.5.1 嵌入式多核处理器结构 | 第76-77页 |
5.5.2 OpenMP并行化优化 | 第77-78页 |
5.5.3 OpenMP并行加速的应用 | 第78-79页 |
5.6 本章小结 | 第79-80页 |
第6章 总结与展望 | 第80-82页 |
6.1 总结 | 第80-81页 |
6.2 展望 | 第81-82页 |
参考文献 | 第82-86页 |
致谢 | 第86页 |