| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-33页 |
| ·研究目的与意义 | 第12-14页 |
| ·计算机视觉和机器人视觉 | 第14-21页 |
| ·计算机视觉 | 第14页 |
| ·机器人视觉 | 第14-18页 |
| ·机器人视觉国内外应用情况 | 第18-21页 |
| ·视觉目标跟踪技术 | 第21-26页 |
| ·运动目标检测 | 第21-24页 |
| ·基于视觉的目标跟踪算法 | 第24-26页 |
| ·移动机器人目标跟踪技术 | 第26-30页 |
| ·基于单目视觉的移动机器人目标跟踪方法 | 第27-28页 |
| ·基于立体视觉的移动机器人目标跟踪方法 | 第28-29页 |
| ·基于场景理解的目标跟踪方法 | 第29-30页 |
| ·视觉跟踪问题中的难点 | 第30-31页 |
| ·本文研究内容和结构安排 | 第31-33页 |
| 第2章 基于序贯检测机制的目标跟踪算法 | 第33-54页 |
| ·引言 | 第33-34页 |
| ·相关理论基础 | 第34-44页 |
| ·粒子滤波 | 第34-38页 |
| ·稀疏场主动轮廓 | 第38-41页 |
| ·Mean Shift算法 | 第41-42页 |
| ·Camshift算法 | 第42-44页 |
| ·基于序贯检测机制的目标跟踪算法 | 第44-49页 |
| ·基于SDM目标跟踪算法框图 | 第44页 |
| ·目标模型 | 第44-45页 |
| ·基于SDM的目标跟踪算法 | 第45-48页 |
| ·基于SDM的目标跟踪算法时间复杂度分析 | 第48-49页 |
| ·跟踪算法性能指标分析 | 第49-50页 |
| ·实验研究 | 第50-53页 |
| ·运动人脸的跟踪 | 第50-51页 |
| ·移动机器人跟踪 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第3章 基于自适应多特征融合的核函数目标跟踪算法 | 第54-72页 |
| ·引言 | 第54-55页 |
| ·SIFT算法简介 | 第55-58页 |
| ·基本SIFT算法 | 第55-58页 |
| ·SIFT扩展算法 | 第58页 |
| ·基于RANSAC的SIFT匹配 | 第58页 |
| ·基于SIFT和Camshift的目标跟踪算法 | 第58-62页 |
| ·基于SIFT和Camshift的目标跟踪算法 | 第58-60页 |
| ·实验研究 | 第60-62页 |
| ·基于自适应多特征融合的核函数目标跟踪算法 | 第62-67页 |
| ·跟踪窗口尺寸的自适应更新算法 | 第62-64页 |
| ·基于自适应多特征融合的核函数目标跟踪算法 | 第64-65页 |
| ·基于自适应多特征融合的核函数目标跟踪算法步骤 | 第65-66页 |
| ·基于自适应多特征融合的核函数目标跟踪算法时间复杂度分析 | 第66-67页 |
| ·实验研究 | 第67-71页 |
| ·动态环境下的移动机器人跟踪 | 第67-68页 |
| ·光照变化显著环境下的歌手跟踪 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 基于信息分享机制的粒子滤波多目标跟踪算法 | 第72-85页 |
| ·引言 | 第72-74页 |
| ·基于粒子群优化的粒子滤波算法 | 第74-75页 |
| ·粒子群优化算法 | 第74-75页 |
| ·基于粒子群优化的粒子滤波算法 | 第75页 |
| ·基于信息分享机制的粒子滤波算法 | 第75-79页 |
| ·信息分享矩阵的构造 | 第75-76页 |
| ·信息分享矩阵的更新 | 第76-77页 |
| ·基于信息分享机制的粒子位置更新 | 第77页 |
| ·算法流程 | 第77-78页 |
| ·基于信息分享机制的粒子滤波算法时间复杂度分析 | 第78-79页 |
| ·收敛性分析 | 第79-81页 |
| ·状态估计均方误差的收敛性 | 第79-80页 |
| ·经验测度(Empirical Measures)的收敛性 | 第80-81页 |
| ·基于信息分享机制的粒子滤波多目标跟踪实验 | 第81-84页 |
| ·视觉跟踪算法实现 | 第81页 |
| ·多目标跟踪实验 | 第81-84页 |
| ·统计实验结果比较 | 第84页 |
| ·本章小结 | 第84-85页 |
| 第5章 嵌入Bag-of-words的Boosting广义目标检测算法 | 第85-105页 |
| ·引言 | 第85-87页 |
| ·Boosting和Bag-of-words算法简介 | 第87-95页 |
| ·Boosting算法 | 第87-91页 |
| ·Bag-of-words算法 | 第91-95页 |
| ·嵌入Bag-of-words的Boosting广义目标检测算法 | 第95-98页 |
| ·Boosting学习 | 第96页 |
| ·Bag-of-words学习 | 第96-98页 |
| ·嵌入Bag-of-words的Boosting广义目标检测 | 第98页 |
| ·嵌入Bag-of-words的Boosting广义目标检测时间复杂度分析 | 第98页 |
| ·实验研究 | 第98-104页 |
| ·广义目标检测 | 第99-103页 |
| ·性能分析 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 基于双目视觉的移动机器人目标识别与定位方法 | 第105-123页 |
| ·引言 | 第105-106页 |
| ·立体视觉模型和标定 | 第106-108页 |
| ·双目视觉模型 | 第106-107页 |
| ·立体视觉摄像机标定 | 第107-108页 |
| ·基于SIFT和视差信息的双目视觉移动机器人目标识别与定位方法 | 第108-116页 |
| ·基于SIFT和视差信息的双目视觉移动机器人目标识别与定位方法 | 第108-111页 |
| ·实验结果与分析 | 第111-116页 |
| ·基于序贯检测机制的双目视觉运动机器人目标识别与定位方法 | 第116-122页 |
| ·基于序贯检测机制的双目视觉移动机器人目标识别与定位方法 | 第116-118页 |
| ·实验结果与分析 | 第118-122页 |
| ·本章小结 | 第122-123页 |
| 第7章 结束语 | 第123-125页 |
| ·本文主要工作总结 | 第123-124页 |
| ·进一步研究的方向 | 第124-125页 |
| 参考文献 | 第125-138页 |
| 致谢 | 第138-139页 |
| 作者在攻读博士学位期间完成的论文 | 第139-141页 |
| 作者在攻读博士学位期间参与的科研项目 | 第141页 |
