| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 视觉跟踪领域的研究现状 | 第10-14页 |
| 1.2.1 国外视觉跟踪技术现状 | 第10-12页 |
| 1.2.2 国内视觉跟踪技术现状 | 第12页 |
| 1.2.3 视觉跟踪技术及其存在的问题 | 第12-14页 |
| 1.3 Davinci 技术 | 第14-15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 第2章 视觉跟踪系统硬件的设计 | 第17-26页 |
| 2.1 系统整体方案的设计 | 第17-18页 |
| 2.2 电源模块的设计 | 第18-19页 |
| 2.3 视频输入输出模块的设计 | 第19-20页 |
| 2.3.1 视频输入模块的设计 | 第19-20页 |
| 2.3.2 视频输出接口电路的设计 | 第20页 |
| 2.4 CPLD 电平转换及接口扩展电路 | 第20-21页 |
| 2.5 其他接口电路的设计 | 第21-23页 |
| 2.5.1 RS232 串行接口电路 | 第21页 |
| 2.5.2 以太网接口电路 | 第21-22页 |
| 2.5.3 USB 接口电路 | 第22-23页 |
| 2.5.4 SD 卡接口电路 | 第23页 |
| 2.6 系统硬件的 PCB 设计 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 运动目标检测算法及实现 | 第26-38页 |
| 3.1 运动目标检测算法 | 第26-30页 |
| 3.1.1 相邻帧间差分法 | 第26-27页 |
| 3.1.2 背景差分法 | 第27-28页 |
| 3.1.3 光流法 | 第28-30页 |
| 3.2 几种常见的背景提取算法 | 第30-34页 |
| 3.2.1 时间上的均值滤波方法 | 第31页 |
| 3.2.2 混合高斯模型 | 第31-33页 |
| 3.2.3 Surendra 算法 | 第33-34页 |
| 3.3 本文运动目标检测算法 | 第34-35页 |
| 3.4 数学形态学分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 运动目标跟踪算法及实现 | 第38-45页 |
| 4.1 Mean Shift 算法理论 | 第38-41页 |
| 4.1.1 Mean Shift 向量及其扩展形式 | 第38-39页 |
| 4.1.2 多维空间核密度估计 | 第39-41页 |
| 4.2 Mean Shift 算法在目标跟踪中的应用 | 第41-44页 |
| 4.2.1 目标及候选目标概率密度函数 | 第41页 |
| 4.2.2 基于巴氏系数的相似性测度 | 第41-42页 |
| 4.2.3 巴氏系数最大化及其算法 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 嵌入式系统构建及实验 | 第45-54页 |
| 5.1 嵌入式 Linux 系统的构建 | 第45-47页 |
| 5.1.1 系统引导程序 U-Boot 的移植及配置 | 第45-46页 |
| 5.1.2 嵌入式 Linux 操作系统的移植 | 第46-47页 |
| 5.2 TMS320DM6446 的 Codec 框架 | 第47-48页 |
| 5.3 ARM 上应用程序与上位机通信的实现 | 第48页 |
| 5.4 XDAIS 与 XDM 算法标准 | 第48-49页 |
| 5.5 实验与分析 | 第49-53页 |
| 5.5.1 实验系统的搭建 | 第49-50页 |
| 5.5.2 图像获取及预处理实验 | 第50-51页 |
| 5.5.3 运动目标跟踪实验 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
