| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-14页 |
| 1.2.1 人工鱼群算法的研究现状 | 第10-11页 |
| 1.2.2 目标跟踪研究现状 | 第11-12页 |
| 1.2.3 目标识别之人脸识别研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 参考文献 | 第16-18页 |
| 第二章 图像特征提取、目标跟踪识别技术综述 | 第18-30页 |
| 2.1 图像特征提取算法 | 第18-25页 |
| 2.1.1 HOG算法概述 | 第18-20页 |
| 2.1.2 WLD算法概述 | 第20-21页 |
| 2.1.3 Gabor+PCA算法概述 | 第21-24页 |
| 2.1.4 2DLDA算法概述 | 第24-25页 |
| 2.2 运动目标跟踪技术 | 第25-27页 |
| 2.3 目标识别技术 | 第27-29页 |
| 2.4 本章小结 | 第29页 |
| 参考文献 | 第29-30页 |
| 第三章 改进的人工鱼群算法 | 第30-41页 |
| 3.1 传统人工鱼群算法 | 第30-33页 |
| 3.1.1 觅食行为 | 第31-32页 |
| 3.1.2 聚群行为 | 第32页 |
| 3.1.3 追尾行为 | 第32-33页 |
| 3.1.4 随机行为 | 第33页 |
| 3.1.5 公告牌 | 第33页 |
| 3.1.6 行为评价 | 第33页 |
| 3.2 参数对算法收敛的影响 | 第33-34页 |
| 3.3 改进的人工鱼群算法 | 第34-37页 |
| 3.4 仿真实验分析 | 第37-40页 |
| 3.4.1 函数的收敛曲线和结果 | 第37-39页 |
| 3.4.2 标准差 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于改进人工鱼群算法的人脸识别 | 第41-51页 |
| 4.1 支持向量机 | 第42-45页 |
| 4.1.1 支持向量机基本原理 | 第42-44页 |
| 4.1.2 人工鱼群算法对支持向量机参数的优化 | 第44-45页 |
| 4.1.3 参数对支持向量机的影响 | 第45页 |
| 4.2 LBP人脸特征提取算法 | 第45-47页 |
| 4.2.1 传统LBP算法概述 | 第45-46页 |
| 4.2.2 改进的LBP算法 | 第46-47页 |
| 4.3 改进的人工鱼群算法优化支持向量机参数的人脸识别 | 第47-48页 |
| 4.4 实验结果分析 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 第五章 基于改进人工鱼群算法的粒子滤波目标跟踪 | 第51-67页 |
| 5.1 贝叶斯估计理论 | 第52-55页 |
| 5.2 粒子滤波目标跟踪 | 第55-56页 |
| 5.3 改进的人工鱼群算法 | 第56-57页 |
| 5.4 基于改进人工鱼群算法的粒子滤波目标跟踪 | 第57-58页 |
| 5.5 仿真实验分析 | 第58-64页 |
| 5.5.1 实验结果及分析 | 第59-60页 |
| 5.5.2 标准差 | 第60页 |
| 5.5.3 函数的收敛曲线 | 第60-62页 |
| 5.5.4 跟踪结果 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 6.1 论文总结 | 第67页 |
| 6.2 展望 | 第67-70页 |
| 攻读硕士学位期间学术成果及奖励 | 第70-71页 |
| 致谢 | 第71页 |