| 摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·国内外研究的现状 | 第13-14页 |
| ·目标检测与跟踪方法综述 | 第14-17页 |
| ·运动目标检测方法 | 第14-15页 |
| ·运动目标跟踪方法 | 第15-16页 |
| ·面对的难点 | 第16-17页 |
| ·智能车辆机器视觉的发展趋势 | 第17-18页 |
| ·论文主要工作和章节安排 | 第18-20页 |
| 第2章 运动目标检测算法研究 | 第20-32页 |
| ·基于光流的运动目标检测 | 第20-22页 |
| ·基于时间差分的运动目标检测 | 第22-23页 |
| ·相邻差分法 | 第22-23页 |
| ·对称差分法 | 第23页 |
| ·基于背景差分的运动目标检测 | 第23-29页 |
| ·单高斯背景模型 | 第25-26页 |
| ·混合高斯背景模型 | 第26-29页 |
| ·形态学处理 | 第29页 |
| ·目标特征提取 | 第29-31页 |
| ·目标几何特征 | 第29-30页 |
| ·目标颜色特征 | 第30-31页 |
| ·目标纹理特征 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于改进CAMShift 算法与Kalman 滤波的目标跟踪算法 | 第32-46页 |
| ·基于MeanShift 的目标跟踪算法 | 第32-34页 |
| ·MeanShift 算法概述 | 第32页 |
| ·MeanShift 算法的基本原理 | 第32-34页 |
| ·CAMShift 算法 | 第34-39页 |
| ·CAMShift 算法原理及实现过程 | 第34-35页 |
| ·CAMShift 算法的改进 | 第35-39页 |
| ·结合改进CAMShift 算法与 Kalman 滤波的目标跟踪算法 | 第39-42页 |
| ·基于Kalman 滤波的运动状态估计 | 第39-40页 |
| ·组合算法 | 第40-42页 |
| ·实验结果及分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于粒子滤波的多目标跟踪算法 | 第46-55页 |
| ·粒子滤波算法 | 第46-50页 |
| ·粒子滤波器基本原理 | 第46-47页 |
| ·顺序重要性采样SIS | 第47-48页 |
| ·样本重要性重采样SIR | 第48-49页 |
| ·粒子滤波算法描述 | 第49-50页 |
| ·融合多特征的粒子滤波目标跟踪算法 | 第50-52页 |
| ·多特征CAMShift 优化的粒子滤波跟踪算法 | 第52-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 智能车视觉跟踪系统设计及实现 | 第55-64页 |
| ·系统总体结构 | 第55-59页 |
| ·系统硬件配置 | 第56-57页 |
| ·视觉跟踪系统软件结构及实现 | 第57-59页 |
| ·高速球机云台控制策略 | 第59-60页 |
| ·摄像头方向控制 | 第59-60页 |
| ·摄像头转速控制 | 第60页 |
| ·智能车运动控制策略 | 第60-62页 |
| ·智能车转向控制策略 | 第61页 |
| ·智能车行走控制策略 | 第61-62页 |
| ·系统功能测试及分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录攻读学位期间所发表的学术论文 | 第71页 |