移动机器人运动目标检测与追踪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 论文的选题背景和研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 运动目标检测 | 第10-11页 |
| 1.2.2 运动目标跟踪 | 第11-12页 |
| 1.2.3 机器人视觉研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 2 运动目标检测与跟踪算法理论基础 | 第15-25页 |
| 2.1 动态背景运动目标检测算法 | 第15-20页 |
| 2.1.1 基于光流法的运动目标检测 | 第15-18页 |
| 2.1.2 基于运动补偿的运动目标检测 | 第18-20页 |
| 2.2 运动目标跟踪 | 第20-23页 |
| 2.2.1 基于模板匹配的跟踪算法 | 第20-21页 |
| 2.2.2 基于贝叶斯估计的跟踪算法 | 第21-22页 |
| 2.2.3 基于分类器的跟踪算法 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 3 基于改进BRISK特征的运动补偿算法 | 第25-40页 |
| 3.1 BRISK特征提取 | 第26-29页 |
| 3.1.1 特征点检测 | 第26-27页 |
| 3.1.2 特征描述 | 第27-29页 |
| 3.2 特征点提纯 | 第29页 |
| 3.3 运动目标提取 | 第29-31页 |
| 3.4 改进BRISK运动目标检测方案 | 第31-36页 |
| 3.4.1 图像预处理 | 第32-33页 |
| 3.4.2 基于图像熵的宏块筛选 | 第33-35页 |
| 3.4.3 基于k近邻与欧氏距离的特征匹配 | 第35页 |
| 3.4.4 基于改进PROSAC的特征点提纯 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-38页 |
| 3.5.1 特征点数目及算法实时性分析 | 第36-37页 |
| 3.5.2 算法匹配准确度分析 | 第37-38页 |
| 3.5.3 算法检测效果对比 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 基于改进KCF的运动目标跟踪算法 | 第40-51页 |
| 4.1 KCF算法基本原理 | 第40-44页 |
| 4.1.1 HOG特征 | 第41页 |
| 4.1.2 核岭回归 | 第41-42页 |
| 4.1.3 循环矩阵 | 第42-43页 |
| 4.1.4 核相关分类器训练 | 第43页 |
| 4.1.5 目标快速检测 | 第43-44页 |
| 4.2 基于改进KCF的目标跟踪算法 | 第44-46页 |
| 4.2.1 跟踪失败检测 | 第44-46页 |
| 4.2.2 运动目标再检测 | 第46页 |
| 4.3 实验结果及分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
