| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 课题国内外研究现状 | 第12-16页 |
| 1.2.1 基于嵌入式的监控系统 | 第12-13页 |
| 1.2.2 目标跟踪算法研究现状 | 第13-15页 |
| 1.2.3 跟踪算法技术难点 | 第15-16页 |
| 1.3 论文课题来源 | 第16页 |
| 1.4 本文研究内容与特色 | 第16-17页 |
| 1.5 论文章节安排 | 第17-18页 |
| 第二章 嵌入式目标跟踪系统总体设计及软硬件平台搭建 | 第18-32页 |
| 2.1 系统功能分析 | 第18页 |
| 2.2 系统总体框架 | 第18-19页 |
| 2.3 系统硬件平台 | 第19-24页 |
| 2.3.1 处理器选择 | 第19-21页 |
| 2.3.2 存储系统 | 第21-22页 |
| 2.3.3 USB摄像头 | 第22-23页 |
| 2.3.4 LCD显示屏 | 第23-24页 |
| 2.4 系统软件平台 | 第24-31页 |
| 2.4.1 操作系统选择 | 第24-25页 |
| 2.4.2 ARM-Linux开发环境搭建 | 第25-29页 |
| 2.4.3 烧写Linux操作系统 | 第29页 |
| 2.4.4 移植OpenCv | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 相关理论基础 | 第32-41页 |
| 3.1 视频目标跟踪一般流程 | 第32-33页 |
| 3.2 基于判别式的表观模型目标跟踪流程 | 第33-38页 |
| 3.2.1 目标特征 | 第34-35页 |
| 3.2.2 分类器 | 第35-36页 |
| 3.2.3 目标定位 | 第36-37页 |
| 3.2.4 模板更新 | 第37-38页 |
| 3.3 压缩感知原理 | 第38-40页 |
| 3.3.1 信号的稀疏表示 | 第39页 |
| 3.3.2 测量矩阵 | 第39-40页 |
| 3.3.3 信号恢复算法 | 第40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 目标特征提取算法 | 第41-56页 |
| 4.1 harr-like特征提取算法 | 第41-43页 |
| 4.1.1 haar-like特征原理 | 第41-42页 |
| 4.1.2 haar-like特征的快速计算 | 第42-43页 |
| 4.2 Sift特征提取算法 | 第43-49页 |
| 4.2.1 Sift特征原理 | 第43-48页 |
| 4.2.2 Sift特征的匹配 | 第48-49页 |
| 4.3 Sift特征的优缺点 | 第49-50页 |
| 4.4 对Sift特征提取算法的改进 | 第50-52页 |
| 4.4.1 尺度空间分析 | 第50页 |
| 4.4.2 特征点描述子快速生成 | 第50-52页 |
| 4.5 实验分析 | 第52-55页 |
| 4.5.1 尺度变化下的对比实验 | 第53-54页 |
| 4.5.2 时间复杂度对比实验 | 第54-55页 |
| 4.6 本章小节 | 第55-56页 |
| 第五章 对压缩感知目标跟踪算法的改进 | 第56-71页 |
| 5.1 压缩感知目标跟踪算法 | 第56-60页 |
| 5.1.1 基于压缩感知的harr-like特征提取 | 第56-57页 |
| 5.1.2 朴素bayes分类器的构建与更新 | 第57-59页 |
| 5.1.3 压缩感知目标跟踪算法流程 | 第59-60页 |
| 5.2 改进的压缩感知目标跟踪算法 | 第60-66页 |
| 5.2.1 目标摭挡的处理 | 第60-62页 |
| 5.2.2 目标尺寸变化的处理 | 第62-65页 |
| 5.2.3 改进的压缩感知目标跟踪算法流程 | 第65-66页 |
| 5.3 实验分析 | 第66-70页 |
| 5.3.1 定性评估 | 第66-68页 |
| 5.3.2 定量评估 | 第68-69页 |
| 5.3.3 开发板中的跟踪结果 | 第69-70页 |
| 5.4 本章小节 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本论文研究总结 | 第71-72页 |
| 6.2 存在的问题 | 第72页 |
| 6.3 进一步研究的方向 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 作者在攻读硕士学位期间研究成果 | 第77-78页 |