| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外对于红外图像跟踪的研究现状 | 第10-11页 |
| 1.2.2 国内对于红外图像跟踪的研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容和结构安排 | 第12-14页 |
| 2 红外成像特点及系统软硬件设计 | 第14-23页 |
| 2.1 概述 | 第14页 |
| 2.2 红外图像特性分析 | 第14-16页 |
| 2.2.1 红外图像的系统组成及原理 | 第14-15页 |
| 2.2.2 红外图像特点 | 第15-16页 |
| 2.3 系统DSP硬件介绍及软件设计 | 第16-20页 |
| 2.3.1 TMS320DM642介绍 | 第16-17页 |
| 2.3.2 DSP系统构成及特点 | 第17-18页 |
| 2.3.3 系统软件总体流程 | 第18-19页 |
| 2.3.4 DSP软件开发环境CCS | 第19-20页 |
| 2.4 图像跟踪系统设计 | 第20-22页 |
| 2.4.1 图像采集模块 | 第20-21页 |
| 2.4.2 目标识别跟踪模块 | 第21页 |
| 2.4.3 图像显示模块 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 红外图像目标识别跟踪算法研究 | 第23-47页 |
| 3.1 红外图像预处理及图像分割算法研究 | 第23-33页 |
| 3.1.1 均值滤波算法和中值滤波算法 | 第23-26页 |
| 3.1.2 形态学操作 | 第26-29页 |
| 3.1.3 边缘检测算法 | 第29-30页 |
| 3.1.4 阈值分割算法 | 第30-33页 |
| 3.2 运动目标识别算法研究 | 第33-37页 |
| 3.2.1 相邻帧差算法 | 第33页 |
| 3.2.2 模板匹配算法 | 第33-37页 |
| 3.3 运动目标跟踪算法研究 | 第37-41页 |
| 3.3.1 相关跟踪算法 | 第37-39页 |
| 3.3.2 预测跟踪算法 | 第39页 |
| 3.3.3 Cam-Shift算法 | 第39-41页 |
| 3.3.4 色彩空间YcbCr到HSV的快速转换算法 | 第41页 |
| 3.4 目标追踪中常用的卷积神经网络算法介绍 | 第41-45页 |
| 3.4.1 YOLO算法 | 第42-43页 |
| 3.4.2 Faster R-CNN算法 | 第43-44页 |
| 3.4.3 Mask R-CNN算法 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于OpenCV平台的系统实现 | 第47-54页 |
| 4.1 OpenCV介绍 | 第47页 |
| 4.2 基于OpenCV平台的Cam-Shift算法实现 | 第47-51页 |
| 4.2.1 Mean-Shift算法和Cam-Shift算法介绍 | 第47-50页 |
| 4.2.2 算法流程 | 第50-51页 |
| 4.3 改进后的Cam-Shift算法及仿真结果 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 论文主要工作总结 | 第54-55页 |
| 5.2 研究方向展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 作者在攻读硕士学位期间发表的论文 | 第62-63页 |
