基于车载鱼眼机的运动目标检测与跟踪算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景 | 第11页 |
| ·研究现状及发展动态 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·发展前景 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 运动目标检测与跟踪技术 | 第14-39页 |
| ·常用的运动目标检测方法 | 第14-16页 |
| ·帧间差分法 | 第14-15页 |
| ·背景差分法 | 第15-16页 |
| ·光流法 | 第16页 |
| ·常用的跟踪算法 | 第16-39页 |
| ·卡尔曼滤波 | 第16-19页 |
| ·卡尔曼滤波原理 | 第16-18页 |
| ·卡尔曼滤波器 | 第18-19页 |
| ·卡尔曼滤波的优缺点 | 第19页 |
| ·Mean Shift算法 | 第19-23页 |
| ·Mean Shift算法原理 | 第19-21页 |
| ·Mean Shift算法 | 第21-23页 |
| ·Mean Shift算法优缺点 | 第23页 |
| ·粒子滤波 | 第23-39页 |
| ·粒子滤波概述 | 第23-24页 |
| ·贝叶斯滤波原理 | 第24-27页 |
| ·粒子滤波原理 | 第27-36页 |
| ·粒子滤波算法描述 | 第36-37页 |
| ·粒子滤波算法总结 | 第37-39页 |
| 第3章 运动目标检测技术的研究 | 第39-45页 |
| ·特征检测与匹配 | 第40-41页 |
| ·自运动估计 | 第41-42页 |
| ·自运动补偿 | 第42-43页 |
| ·图像差分 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 改进的粒子滤波 | 第45-52页 |
| ·引言 | 第45页 |
| ·粒子滤波算法 | 第45-51页 |
| ·粒子滤波描述 | 第45-46页 |
| ·颜色直方图 | 第46-47页 |
| ·差分图 | 第47-48页 |
| ·粒子滤波算法的实现 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于鱼眼相机目标检测与跟踪实验 | 第52-55页 |
| ·算法设计与实现 | 第52页 |
| ·算法运行环境 | 第52-53页 |
| ·软件环境 | 第52-53页 |
| ·硬件环境 | 第53页 |
| ·实验结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
