摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第1章 绪论 | 第10-15页 |
·研究背景及意义 | 第10-11页 |
·国内外研究现状 | 第11-13页 |
·运动车辆检测与跟踪技术的研究现状 | 第11-12页 |
·DaVinci 技术的研究现状 | 第12-13页 |
·论文的研究内容及论文的结构安排 | 第13-15页 |
·论文的研究内容 | 第13页 |
·论文的结构安排 | 第13-15页 |
第2章 运动车辆检测技术研究 | 第15-26页 |
·运动车辆检测的基本方法 | 第15-22页 |
·光流场法 | 第15-16页 |
·帧间差分法 | 第16-17页 |
·不变矩特征检测法 | 第17-18页 |
·背景差分法 | 第18-22页 |
·基于帧间差分法的自适应背景更新模型 | 第22-25页 |
·本章算法的实现 | 第22-23页 |
·实验结果 | 第23-25页 |
·本章小结 | 第25-26页 |
第3章 运动车辆跟踪技术研究 | 第26-42页 |
·运动车辆跟踪的基本方法 | 第26-28页 |
·基于区域的跟踪方法 | 第26页 |
·基于特征的跟踪方法 | 第26-27页 |
·基于变形模型的跟踪方法 | 第27页 |
·基于模型的跟踪方法 | 第27页 |
·基于运动估计的跟踪方法 | 第27-28页 |
·均值漂移算法简介 | 第28-31页 |
·基本的 Mean Shift | 第29-30页 |
·扩展的 Mean Shift | 第30-31页 |
·Mean Shift 的算法步骤 | 第31页 |
·Mean Shift 的目标跟踪原理 | 第31-34页 |
·目标模型的建立 | 第32页 |
·候选目标的描述 | 第32页 |
·相似性度量函数 | 第32页 |
·目标定位 | 第32-33页 |
·Mean Shift 的跟踪算法步骤 | 第33-34页 |
·基于改进的 Mean Shift 跟踪算法 | 第34-37页 |
·Kalman 滤波器预测理论 | 第34-37页 |
·Kalman 预测与 Mean shift 相结合 | 第37页 |
·实验结果 | 第37-40页 |
·本章小结 | 第40-42页 |
第4章 DaVinci 技术研究 | 第42-49页 |
·DaVinci 技术的组成 | 第42页 |
·DM6446 开发平台简介 | 第42-43页 |
·Davinci 软件架构 | 第43-46页 |
·xDAIS 和 xDM 算法标准 | 第44页 |
·Codec Engine 概述 | 第44-46页 |
·Davinci 的开发工具 | 第46-47页 |
·xDC 编译工具 | 第46页 |
·CCS 开发环境 | 第46-47页 |
·Davinci 开发流程 | 第47-48页 |
·本章小结 | 第48-49页 |
第5章 基于 DaVinci DM6446 平台的系统实现 | 第49-61页 |
·系统框架设计 | 第49页 |
·系统实现 | 第49-58页 |
·Codec 包封装 | 第49-51页 |
·DSP Server 开发 | 第51-53页 |
·ARM 端应用程序包创建 | 第53-57页 |
·客户端显示模块 | 第57-58页 |
·演示系统搭建 | 第58-59页 |
·Linux 主机配置 | 第58-59页 |
·板卡配置 | 第59页 |
·实验结果演示 | 第59-60页 |
·本章小结 | 第60-61页 |
第6章 总结与展望 | 第61-62页 |
·总结 | 第61页 |
·展望 | 第61-62页 |
致谢 | 第62-63页 |
参考文献 | 第63-67页 |
附录 | 第67页 |