| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.2 国内外相关领域研究现状 | 第16-22页 |
| 1.2.1 机器人视觉 | 第16-18页 |
| 1.2.2 场景动态目标识别 | 第18-21页 |
| 1.2.3 场景静态目标识别 | 第21-22页 |
| 1.3 研究内容与结构安排 | 第22-24页 |
| 第二章 基于机器视觉目标识别的相关技术 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 词包模型 | 第24-26页 |
| 2.2.1 特征检测和描述 | 第24-25页 |
| 2.2.2 视觉词典的构建 | 第25-26页 |
| 2.2.3 分类决策 | 第26页 |
| 2.3 分类器 | 第26-33页 |
| 2.3.1 Fisher 线性分类器 | 第27-29页 |
| 2.3.2 支持向量机 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于机器视觉的动态多目标检测 | 第34-42页 |
| 3.1 引言 | 第34-35页 |
| 3.2 帧间差分法 | 第35-37页 |
| 3.2.1 两帧差分法 | 第35-36页 |
| 3.2.2 三帧差分法 | 第36-37页 |
| 3.3 高斯混合建模 | 第37-39页 |
| 3.4 实验结果及分析 | 第39-40页 |
| 3.4.1 运动目标分割评价 | 第39页 |
| 3.4.2 运动目标分割以及感兴趣区域检测 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于机器视觉的动态多目标识别 | 第42-61页 |
| 4.1 引言 | 第42页 |
| 4.2 运动目标特征提取 | 第42-49页 |
| 4.2.1 局部二值特征提取 | 第42-45页 |
| 4.2.2 Gabor 特征提取 | 第45-49页 |
| 4.3 性能评价 | 第49-51页 |
| 4.4 算法框架 | 第51页 |
| 4.5 实验结果与分析 | 第51-60页 |
| 4.5.1 实验平台 | 第51-52页 |
| 4.5.2 识别结果 | 第52-55页 |
| 4.5.3 实验性能评价 | 第55-56页 |
| 4.5.4 实验对比 | 第56-58页 |
| 4.5.5 动态多目标识别的误识别 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 基于视觉显著性的场景目标识别 | 第61-70页 |
| 5.1 引言 | 第61-62页 |
| 5.2 目标检测与提取 | 第62-64页 |
| 5.2.1 GBVS(Graph-Based Visual saliency)基于图论的显著性提取 | 第62-63页 |
| 5.2.2 GrabCut 图像分割 | 第63-64页 |
| 5.3 场景目标识别框架 | 第64-65页 |
| 5.4 性能评价 | 第65页 |
| 5.5 实验结果与分析 | 第65-68页 |
| 5.5.1 自然场景图像的显著性区域的提取 | 第66页 |
| 5.5.2 自然场景图像中的目标分割 | 第66-67页 |
| 5.5.3 场景目标识别 | 第67-68页 |
| 5.6 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70页 |
| 6.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79-80页 |
| 附录 | 第80页 |