| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题的研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·巡检机器人的国内外研究现状 | 第12-14页 |
| ·目标检测与跟踪的国内外研究现状 | 第14-15页 |
| ·巡检机器人目标检测与跟踪的关键技术及难点 | 第15-16页 |
| ·本文研究内容 | 第16-18页 |
| 第二章 目标检测与跟踪常用方法介绍 | 第18-27页 |
| ·目标检测 | 第18-23页 |
| ·背景相减法 | 第18页 |
| ·帧间差分法 | 第18-21页 |
| ·光流法 | 第21-23页 |
| ·目标跟踪 | 第23-26页 |
| ·基于区域的跟踪 | 第23-24页 |
| ·基于模型的跟踪 | 第24页 |
| ·基于变形模板的跟踪 | 第24-25页 |
| ·基于特征的跟踪 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 一种改进的目标检测方法 | 第27-51页 |
| ·图像平滑 | 第28-32页 |
| ·均值滤波 | 第29-30页 |
| ·高斯滤波 | 第30-31页 |
| ·中值滤波 | 第31-32页 |
| ·图像的二值化 | 第32-37页 |
| ·阈值的选取方法 | 第33-34页 |
| ·本文采取的阈值选取方法 | 第34-37页 |
| ·数学形态学滤波 | 第37-41页 |
| ·膨胀和腐蚀 | 第38-39页 |
| ·开操作和闭操作 | 第39-41页 |
| ·背景更新 | 第41-43页 |
| ·统计平均法 | 第42页 |
| ·IIR 滤波器法 | 第42-43页 |
| ·Adaboost 算法 | 第43-50页 |
| ·利用haar 特征构成弱分类器 | 第44-45页 |
| ·Adaboost 算法生成强分类器 | 第45-46页 |
| ·构造级联分类器 | 第46-47页 |
| ·样本获取和训练过程 | 第47-48页 |
| ·结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于改进的Camshift 算法的目标跟踪 | 第51-73页 |
| ·目标颜色模型建立 | 第51-56页 |
| ·RGB 颜色模型 | 第52-53页 |
| ·HSV 颜色模型 | 第53-55页 |
| ·RGB 颜色模型转换到HSV 颜色模型 | 第55-56页 |
| ·Meanshift 算法 | 第56-65页 |
| ·Meanshift 理论基础 | 第57-59页 |
| ·基本Meanshift | 第57页 |
| ·扩展Meanshift | 第57-59页 |
| ·Meanshift 向量 | 第59-60页 |
| ·Meanshift 在目标跟踪中的应用 | 第60-62页 |
| ·实验结果及分析 | 第62-65页 |
| ·改进的Camshift 算法 | 第65-72页 |
| ·颜色直方图和颜色概率分布图 | 第65-67页 |
| ·本文算法框架及实现步骤 | 第67-70页 |
| ·实验结果及分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |