基于机器视觉的运动目标自主监视技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第11-21页 |
| 1.1 研究的背景及其意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 动目标监视系统研究现状 | 第12-16页 |
| 1.2.2 动目标监视技术算法研究现状 | 第16-18页 |
| 1.3 研究目标与论文章节安排 | 第18-20页 |
| 1.4 论文创新点 | 第20-21页 |
| 第2章 动目标自主监视技术算法基础 | 第21-33页 |
| 2.1 运动目标检测算法 | 第21-24页 |
| 2.1.1 背景差分法 | 第21-22页 |
| 2.1.2 帧间差分法 | 第22-23页 |
| 2.1.3 光流法 | 第23-24页 |
| 2.2 运动目标跟踪算法 | 第24-27页 |
| 2.2.1 基于均值偏移的目标跟踪 | 第24-25页 |
| 2.2.2 基于粒子滤波的目标跟踪 | 第25-26页 |
| 2.2.3 基于卡尔曼滤波器的目标跟踪 | 第26-27页 |
| 2.3 运动目标识别算法 | 第27-32页 |
| 2.3.1 基于目标特征提取和分类器的识别算法 | 第27-30页 |
| 2.3.2 基于深度学习的目标识别算法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 动目标自主监视技术算法实现 | 第33-55页 |
| 3.1 多目标检测算法 | 第33-40页 |
| 3.1.1 基本理论原理 | 第33-35页 |
| 3.1.2 实验算法结构 | 第35-36页 |
| 3.1.3 实验结果 | 第36-39页 |
| 3.1.4 本节小结 | 第39-40页 |
| 3.2 特定目标自主识别算法 | 第40-45页 |
| 3.2.1 基本理论原理 | 第40-42页 |
| 3.2.2 实验算法结构 | 第42-43页 |
| 3.2.3 实验结果 | 第43-44页 |
| 3.2.4 本节小结 | 第44-45页 |
| 3.3 多目标自主识别算法 | 第45-53页 |
| 3.3.1 基本理论原理 | 第45-48页 |
| 3.3.2 实验算法结构 | 第48-50页 |
| 3.3.3 实验结果 | 第50-53页 |
| 3.3.4 本节小结 | 第53页 |
| 3.4 本章小结 | 第53-55页 |
| 第4章 动目标自主监视实验平台设计及验证 | 第55-62页 |
| 4.1 实验平台软件开发环境 | 第55-56页 |
| 4.2 实验验证平台设计 | 第56-58页 |
| 4.2.1 多目标检测跟踪模块 | 第56-57页 |
| 4.2.2 特定目标检测识别模块 | 第57-58页 |
| 4.3 地面实验验证 | 第58-61页 |
| 4.3.1 多目标检测跟踪实验验证 | 第58-60页 |
| 4.3.2 特定目标检测识别实验验证 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 天基动目标自主监视技术可行性分析 | 第62-74页 |
| 5.1 天基平台探测能力和目标运动特性分析 | 第62-64页 |
| 5.2 无人机监视平台分析及验证 | 第64-68页 |
| 5.3 天基自主监视平台分析及验证 | 第68-73页 |
| 5.3.1 目标识别算法可行性分析 | 第68-70页 |
| 5.3.2 天基平台资源条件约束分析 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-77页 |
| 6.1 课题研究总结 | 第74-75页 |
| 6.2 课题展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第83页 |
