| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的结构安排 | 第12-14页 |
| 2 嵌入式树莓派平台及图像预处理 | 第14-24页 |
| 2.1 系统总体设计 | 第14页 |
| 2.2 嵌入式平台比较及选型 | 第14-15页 |
| 2.3 基于树莓派的OpenCV3搭建 | 第15-17页 |
| 2.4 图像预处理 | 第17-22页 |
| 2.4.1 滤波处理 | 第17-19页 |
| 2.4.2 阈值化 | 第19-20页 |
| 2.4.3 形态学操作 | 第20-22页 |
| 2.4.4 轮廓检测 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 运动目标检测方法 | 第24-34页 |
| 3.1 运动目标基本检测方法 | 第24-28页 |
| 3.1.1 背景差法 | 第24-25页 |
| 3.1.2 帧差法 | 第25-26页 |
| 3.1.3 光流法 | 第26-28页 |
| 3.2 背景分割器 | 第28-32页 |
| 3.2.1 混合高斯模型 | 第28-30页 |
| 3.2.2 KNN算法原理及实现 | 第30-32页 |
| 3.3 本章小结 | 第32-34页 |
| 4 Meanshift和Camshift的目标跟踪算法 | 第34-50页 |
| 4.1 MeanShift算法理论 | 第34-37页 |
| 4.1.1 核函数密度估计 | 第34页 |
| 4.1.2 MeanShift向量 | 第34-36页 |
| 4.1.3 概率密度估计 | 第36-37页 |
| 4.2 MeanShift目标跟踪算法的分析 | 第37-39页 |
| 4.2.1 目标模型选定 | 第37页 |
| 4.2.2 候选区域模型 | 第37-38页 |
| 4.2.3 确定相似性度量 | 第38页 |
| 4.2.4 运动目标的定位 | 第38-39页 |
| 4.3 MeanShift目标跟踪算法的实现 | 第39-42页 |
| 4.3.1 MeanShift算法流程 | 第39-40页 |
| 4.3.2 实验结果及分析 | 第40-42页 |
| 4.4 CamShift跟踪算法 | 第42-44页 |
| 4.4.1 HSV颜色颜色空间转换 | 第43-44页 |
| 4.4.2 直方图反向投影 | 第44页 |
| 4.5 Camshift目标跟踪算法的实现 | 第44-49页 |
| 4.5.1 Camshift算法实现 | 第44-45页 |
| 4.5.2 CamShift算法流程 | 第45-47页 |
| 4.5.3 实验结果分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 基于Kalman滤波的Camshift改进算法 | 第50-62页 |
| 5.1 Kalman滤波器 | 第50-53页 |
| 5.1.1 Kalman滤波基本方程 | 第50-51页 |
| 5.1.2 Kalman滤波器目标跟踪过程 | 第51-53页 |
| 5.2 基于KNN和Kalman改进的CamShift算法 | 第53-55页 |
| 5.3 改进实验跟踪效果分析 | 第55-61页 |
| 5.3.1 目标相似实验 | 第55-56页 |
| 5.3.2 目标遮挡实验 | 第56-57页 |
| 5.3.3 多个目标综合实验 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第70-72页 |
| 致谢 | 第72-73页 |
