| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文研究的目的与意义 | 第9-10页 |
| ·机器视觉 | 第10页 |
| ·全方位视觉概述 | 第10-12页 |
| ·全方位视觉的优缺点 | 第11页 |
| ·全方位视觉应用 | 第11-12页 |
| ·鱼眼镜头 | 第12-13页 |
| ·图像跟踪概述 | 第13-14页 |
| ·课题来源和主要研究内容 | 第14-15页 |
| 第二章 目标识别 | 第15-20页 |
| ·颜色阈值分割 | 第15-18页 |
| ·颜色空间 | 第15-17页 |
| ·动态ROI 划分 | 第17页 |
| ·改进的颜色分割 | 第17-18页 |
| ·基于最大相关度的模板匹配算法 | 第18-20页 |
| 第三章 跟踪算法研究 | 第20-29页 |
| ·目标跟踪引论 | 第20-21页 |
| ·粒子滤波算法 | 第21-24页 |
| ·序列重要性采样 | 第21-22页 |
| ·退化现象 | 第22-23页 |
| ·重要性密度分布的选择 | 第23页 |
| ·重采样 | 第23-24页 |
| ·粒子滤波器的设计 | 第24页 |
| ·MEAN SHIFT 跟踪算法 | 第24-29页 |
| ·无参密度估计理论 | 第24-25页 |
| ·利用Mean Shift 方法进行目标跟踪的基本原理 | 第25-26页 |
| ·Mean Shift 在目标跟踪中的应用 | 第26-29页 |
| 第四章 综合跟踪算法 | 第29-33页 |
| ·多特征融合的料子滤波算法 | 第29-30页 |
| ·颜色直方图与梯度直方图的融合 | 第30-31页 |
| ·梯度直方图 | 第30-31页 |
| ·基于MEAN SHIFT 与粒子滤波的粒子漂移算法 | 第31-33页 |
| 第五章 算法实现及室外实验 | 第33-44页 |
| ·环境简介 | 第33-34页 |
| ·自动阈值调整 | 第34-35页 |
| ·ONLINE SELECTION 算法 | 第35-36页 |
| ·Seed Features（种子特征） | 第35-36页 |
| ·Log Likelihood function（相似度函数） | 第36页 |
| ·Evaluating Function（度量函数） | 第36页 |
| ·室外实验算法流程 | 第36-39页 |
| ·实验分析 | 第39-44页 |
| 第六章 智能相机移植 | 第44-60页 |
| ·BLUEEYE 智能相机介绍 | 第44-47页 |
| ·BlueEye 智能相机概述 | 第44页 |
| ·智能相机的结构 | 第44-45页 |
| ·BlueEye 的工作过程 | 第45-46页 |
| ·BlueEye 的配置和开发 | 第46-47页 |
| ·系统资源 | 第47页 |
| ·BAYER 格式解码与白平衡 | 第47-49页 |
| ·Bayer 格式 | 第47-48页 |
| ·白平衡 | 第48-49页 |
| ·BLUEEYE 相机端开发 | 第49-52页 |
| ·主要模块简介 | 第50-52页 |
| ·PC（客户端）开发 | 第52-55页 |
| ·接收数据 | 第53-54页 |
| ·发送数据 | 第54-55页 |
| ·DSP 程序优化 | 第55-59页 |
| ·编译优化 | 第55-56页 |
| ·程序优化 | 第56-57页 |
| ·算法及程序结构优化 | 第57-58页 |
| ·函数优化 | 第58-59页 |
| ·实验结果 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·未来工作展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 发表论文和科研情况说明 | 第64-65页 |
| 致谢 | 第65-66页 |
