| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·选题背景 | 第12-13页 |
| ·计算机视觉基本原理 | 第12-13页 |
| ·机器人视觉介绍 | 第13页 |
| ·运动目标跟踪技术介绍 | 第13页 |
| ·国内外研究现状 | 第13-16页 |
| ·主要研究难点 | 第16页 |
| ·本文主要工作及内容安排 | 第16-18页 |
| ·主要研究内容 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 机器人目标跟踪基础理论 | 第18-30页 |
| ·引言 | 第18页 |
| ·视频图像预处理 | 第18-20页 |
| ·图像去噪 | 第19页 |
| ·图像灰度化 | 第19-20页 |
| ·图像二值化 | 第20页 |
| ·目标特征提取及描述 | 第20-27页 |
| ·目标的特征提取 | 第20-22页 |
| ·纹理特征 | 第21页 |
| ·边缘特征 | 第21-22页 |
| ·颜色特征 | 第22页 |
| ·基于颜色特征的空间模型 | 第22-24页 |
| ·RGB颜色空间 | 第22-23页 |
| ·HSV颜色空间 | 第23-24页 |
| ·RGB空间到 HSV空间的转换 | 第24页 |
| ·颜色特征描述方法 | 第24-27页 |
| ·颜色直方图 | 第24-25页 |
| ·反向投影直方图 | 第25-26页 |
| ·加权颜色直方图 | 第26-27页 |
| ·特征匹配 | 第27-29页 |
| ·特征点定义 | 第27页 |
| ·绝对平衡搜索法 ABS(Absolute BalanCe Seareh) | 第27-28页 |
| ·归一化相关法(Normalized Correlation) | 第28页 |
| ·基于 Hausdorff距离的匹配方法 | 第28-29页 |
| ·Hausdorff距离 | 第28-29页 |
| ·基于颜色直方图的 Hausdorff距离 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于贝叶斯概率模型的核跟踪算法 | 第30-50页 |
| ·引言 | 第30页 |
| ·无参估计理论 | 第30-35页 |
| ·无参密度估计 | 第31-32页 |
| ·直方图估计法 | 第31页 |
| ·核密度估计法 | 第31-32页 |
| ·无参密度估计的收敛性分析 | 第32-33页 |
| ·多维空间下的无参密度估计 | 第33-35页 |
| ·多变量核函数的生成 | 第33-34页 |
| ·多维空间下的无参密度估计 | 第34-35页 |
| ·核跟踪理论 | 第35-38页 |
| ·核函数定义 | 第35页 |
| ·基本的梯度估计 | 第35-36页 |
| ·基于核函数的梯度估计 | 第36页 |
| ·核跟踪算法的收敛性分析 | 第36-38页 |
| ·基于 BKBT的核跟踪算法 | 第38-49页 |
| ·目标的颜色特征提取 | 第39-40页 |
| ·核函数的选择 | 第40-41页 |
| ·跟踪目标建模及定位 | 第41-42页 |
| ·BKBT算法在目标跟踪中的应用 | 第42-45页 |
| ·目标模型表示 | 第42-43页 |
| ·候选目标模型表示 | 第43-44页 |
| ·基于巴氏系数的相似性度量 | 第44页 |
| ·目标定位 | 第44-45页 |
| ·实验及分析 | 第45-48页 |
| ·算法分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于卡尔曼滤波的BKBT改进算法 | 第50-61页 |
| ·引言 | 第50页 |
| ·卡尔曼滤波介绍 | 第50-51页 |
| ·融合卡尔曼滤波的 BKBT改进算法 | 第51-56页 |
| ·利用卡尔曼滤波器建模 | 第51-53页 |
| ·遮挡的检测 | 第53-54页 |
| ·目标搜索策略 | 第54-55页 |
| ·模板更新机制 | 第55-56页 |
| ·实验及分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-62页 |
| ·论文总结 | 第61页 |
| ·未来研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 硕士期间发表的论文 | 第66页 |