驱鸟系统下的鸟类识别与跟踪技术的应用研究
| 摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·开发背景和意义 | 第10页 |
| ·图像处理技术在农业领域的应用 | 第10-11页 |
| ·驱鸟方法的应用现状 | 第11-12页 |
| ·智能驱鸟系统的应用现状 | 第12-13页 |
| ·主要内容 | 第13页 |
| ·技术路线图 | 第13-14页 |
| ·章节安排 | 第14页 |
| ·本章小结 | 第14-15页 |
| 2 鸟类模型分类器 | 第15-22页 |
| ·HOG特征的提取 | 第15-18页 |
| ·颜色空间归一化 | 第16-17页 |
| ·梯度计算 | 第17页 |
| ·方向梯度统计 | 第17页 |
| ·重叠块中的特征标准化 | 第17页 |
| ·HOG积分图 | 第17页 |
| ·多尺度检测 | 第17-18页 |
| ·机器学习 | 第18-19页 |
| ·分类器设计 | 第19-20页 |
| ·局部的分类器设计 | 第19页 |
| ·最终分类器的设计 | 第19-20页 |
| ·鸟类检测识别 | 第20页 |
| ·本章小结 | 第20-22页 |
| 3 鸟类识别过程 | 第22-37页 |
| ·图像的预处理 | 第22-24页 |
| ·背景提取 | 第22-24页 |
| ·鸟类图像的颜色特征提取 | 第24-25页 |
| ·彩色图像转换成灰度图像 | 第25页 |
| ·高斯滤波 | 第25-27页 |
| ·拉普拉斯算子 | 第26-27页 |
| ·基于高斯-拉普拉斯算子的图像预处理 | 第27-28页 |
| ·基于HOG特征鸟类识别 | 第28-31页 |
| ·鸟类图像的彩色模型 | 第29页 |
| ·将彩色图像变为灰度图像 | 第29页 |
| ·HOG特征提取 | 第29-31页 |
| ·检测过程介绍 | 第31-32页 |
| ·利用窗宽进行特征加权 | 第31-32页 |
| ·利用鸟类模型进行识别 | 第32-36页 |
| ·鸟类追踪中的Mean Shift算法 | 第32-33页 |
| ·MeanShift算法 | 第33页 |
| ·鸟类目标追踪 | 第33-35页 |
| ·MeanShift固定核窗宽跟踪问题 | 第35页 |
| ·实验结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 鸟类特征识别仿真实验 | 第37-41页 |
| ·实验环境 | 第37页 |
| ·实验样本的选取 | 第37页 |
| ·OpenCV程序实现 | 第37-38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 农业智能驱鸟系统设计 | 第41-47页 |
| ·系统分析 | 第41页 |
| ·系统体系结构 | 第41-43页 |
| ·前端子系统主要功能设计 | 第43页 |
| ·后台子系统主要功能设计 | 第43-44页 |
| ·系统流程设计 | 第44-47页 |
| ·前端子系统流程设计 | 第44-45页 |
| ·后台子系统流程设计 | 第45-47页 |
| 6 总结与展望 | 第47-48页 |
| ·论文总结 | 第47页 |
| ·未来工作的展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |
