| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 课题背景及意义 | 第14-15页 |
| 1.2 国内外现状 | 第15页 |
| 1.3 研究的主要内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 动物状况的检测与跟踪方法 | 第18-23页 |
| 2.1 各种监测方法在不同场景下的应用分析 | 第18-21页 |
| 2.1.1 人工标记监测在不同场景下的应用分析 | 第18-19页 |
| 2.1.2 传感器监测在不同场景下的应用分析 | 第19-20页 |
| 2.1.3 视频跟踪检测在不同场景下的应用分析 | 第20-21页 |
| 2.2 三种监测方法比较 | 第21-23页 |
| 第三章 视频跟踪与检测的相关算法 | 第23-32页 |
| 3.1 基于颜色直方图的视频跟踪算法 | 第23-25页 |
| 3.1.1 颜色直方图的计算方法 | 第23页 |
| 3.1.2 粒子滤波模型 | 第23-24页 |
| 3.1.3 算法流程 | 第24-25页 |
| 3.1.4 算法优缺点分析 | 第25页 |
| 3.2 与前景检测结果相配合的多特征教室多目标跟踪算法 | 第25-27页 |
| 3.2.1 基于背景重建的目标识别 | 第25-26页 |
| 3.2.2 传统MeanShift目标跟踪算法原理 | 第26页 |
| 3.2.3 改进型CamShift算法 | 第26-27页 |
| 3.2.4 算法优缺点分析 | 第27页 |
| 3.3 融合粒子滤波和仿射变换的鱼目标跟踪算法 | 第27-30页 |
| 3.3.1 仿射变换 | 第28页 |
| 3.3.2 基于仿射变换的形状模型 | 第28-29页 |
| 3.3.3 算法优缺点分析 | 第29-30页 |
| 3.4 本论文的应用场景下难点分析 | 第30-32页 |
| 3.4.1 研究对象的特性 | 第30页 |
| 3.4.2 识别性能及事发跟踪及时性问题 | 第30页 |
| 3.4.3 数字识别的难点 | 第30-32页 |
| 第四章 图像预处理 | 第32-41页 |
| 4.1 运动目标图像获取 | 第32-34页 |
| 4.1.1 背景提取 | 第32-33页 |
| 4.1.2 运动目标提取 | 第33-34页 |
| 4.2 动目标(数字)定位 | 第34-41页 |
| 4.2.1 图像二值化 | 第34页 |
| 4.2.2 数字定位 | 第34-37页 |
| 4.2.3 数字旋转校正 | 第37-38页 |
| 4.2.4 多位数字情况下智能合并 | 第38-41页 |
| 第五章 数字识别 | 第41-48页 |
| 5.1 本文中的数字识别算法 | 第41-45页 |
| 5.1.1 穿越线特征提取法 | 第41-42页 |
| 5.1.2 模板匹配识别字符 | 第42-43页 |
| 5.1.3 基于SVM的非对称分块统计法 | 第43-45页 |
| 5.2 数字识别算法仲裁 | 第45-46页 |
| 5.3 特殊字符处理 | 第46-48页 |
| 第六章 基于分布式处理的运动目标检测与跟踪的具体实现 | 第48-66页 |
| 6.1 分布式数据处理 | 第48-51页 |
| 6.1.1 分布式处理的概念 | 第48-49页 |
| 6.1.2 Hadoop和MapReduce | 第49-50页 |
| 6.1.3 分布式处理在本文中的应用 | 第50-51页 |
| 6.2 农场动物的跟踪与检测的整体方案 | 第51-57页 |
| 6.2.1 方案架构图及流程图 | 第51-52页 |
| 6.2.2 实验环境 | 第52-53页 |
| 6.2.3 方案的处理细节 | 第53-57页 |
| 6.3 实验结果展示 | 第57-66页 |
| 6.3.1 图像处理结果 | 第57-64页 |
| 6.3.2 数据分析 | 第64-66页 |
| 第七章 总结与展望 | 第66-69页 |
| 7.1 本文总结 | 第66-67页 |
| 7.2 课题展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
