| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 图表索引 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究发展现状 | 第14-17页 |
| 1.2.1 基于机器视觉的畜禽行为检测研究现状 | 第14-16页 |
| 1.2.2 目标检测研究现状 | 第16-17页 |
| 1.2.3 目标跟踪研究现状 | 第17页 |
| 1.3. 论文的研究内容和结构安排 | 第17-21页 |
| 第二章 图像采集和尺度压缩 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 图像采集 | 第21-24页 |
| 2.2.1 图像采集硬件设计 | 第21-23页 |
| 2.2.2 图像采集软件设计 | 第23-24页 |
| 2.3 图像尺度压缩 | 第24-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 猪目标检测 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 常用的目标检测方法 | 第29-32页 |
| 3.2.1 基于图像差分的运动目标检测方法 | 第29-31页 |
| 3.2.2 基于图像分割的运动目标检测方法 | 第31-32页 |
| 3.2.3 基于光流场的运动目标检测方法 | 第32页 |
| 3.3 目标检测算法的分析与选择 | 第32-33页 |
| 3.4 融合高斯混合模型和图像粒化的猪目标检测 | 第33-45页 |
| 3.4.1 高斯混合建模 | 第34-35页 |
| 3.4.2 图像粒化 | 第35-42页 |
| 3.4.3 图像融合 | 第42-43页 |
| 3.4.4 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 猪目标跟踪 | 第47-75页 |
| 4.1 引言 | 第47页 |
| 4.2 目标跟踪算法分析及选择 | 第47-51页 |
| 4.2.1 基于 Mean Shift 的目标跟踪算法 | 第47-48页 |
| 4.2.2 基于特征的目标跟踪算法 | 第48-49页 |
| 4.2.3 基于贝叶斯滤波理论的目标跟踪算法 | 第49-50页 |
| 4.2.4 目标跟踪算法的分析与选择 | 第50-51页 |
| 4.3 粒子滤波理论 | 第51-55页 |
| 4.3.1 蒙特卡洛采样 | 第51-52页 |
| 4.3.2 重要性采样 | 第52-54页 |
| 4.3.3 序列重要性采样 | 第54页 |
| 4.3.4 退化及重采样 | 第54-55页 |
| 4.4 基于逐帧检测的猪目标轨迹跟踪 | 第55-63页 |
| 4.4.1 目标位置提取 | 第55-57页 |
| 4.4.2 目标点关联 | 第57-58页 |
| 4.4.3 最近邻法则 | 第58-60页 |
| 4.4.4 实验结果与分析 | 第60-63页 |
| 4.5 结合粒子滤波器和逐帧检测的猪目标轨迹跟踪 | 第63-72页 |
| 4.5.1 粒子滤波目标跟踪 | 第63-69页 |
| 4.5.2 改进的目标点关联 | 第69-70页 |
| 4.5.3 实验结果及分析 | 第70-72页 |
| 4.6 本章小结 | 第72-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 全文总结 | 第75-76页 |
| 5.2 研究工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读学位期间发表的学术论文及参与的科研项目 | 第85页 |