| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究的目的和意义 | 第8页 |
| 1.2 目标识别与跟踪的研究和发展现状 | 第8-10页 |
| 1.2.1 目标检测与识别 | 第8-9页 |
| 1.2.2 运动目标跟踪 | 第9-10页 |
| 1.3 基于视觉的无人机目标跟踪国内外现状 | 第10-11页 |
| 1.3.1 基于视觉的无人机目标跟踪研究现状 | 第10-11页 |
| 1.3.2 无人机目标跟踪发展趋势 | 第11页 |
| 1.4 本文主要工作 | 第11-14页 |
| 1.4.1 本文研究内容 | 第11-12页 |
| 1.4.2 本文组织结构 | 第12-14页 |
| 第2章 基于明度变化的改进光流目标检测研究 | 第14-34页 |
| 2.1 目标特征选取与表示 | 第14-16页 |
| 2.2 图像颜色空间选取与转换 | 第16-20页 |
| 2.2.1 常用颜色模型与模型选择 | 第16-18页 |
| 2.2.2 颜色空间转换 | 第18-20页 |
| 2.3 图像预处理与明度值提取 | 第20-22页 |
| 2.3.1 图像滤波处理 | 第20-21页 |
| 2.3.2 明度选择与提取 | 第21-22页 |
| 2.4 光流法原理及典型光流算法 | 第22-25页 |
| 2.4.1 运动场与光流场 | 第22-23页 |
| 2.4.2 Hom&Schunck算法 | 第23-24页 |
| 2.4.3 LK稀疏光流法 | 第24-25页 |
| 2.5 改进光流目标检测方案 | 第25-33页 |
| 2.5.1 基于帧间差分和金字塔光流的运动目标检测 | 第25-27页 |
| 2.5.2 基于特征点光流聚类的运动目标检测 | 第27-29页 |
| 2.5.3 改进光流目标检测算法仿真实验分析与比较 | 第29-33页 |
| 2.6 本章小节 | 第33-34页 |
| 第3章 基于色调概率分布模态的迭代跟踪算法研究 | 第34-48页 |
| 3.1 区域色调概率分布图计算 | 第34页 |
| 3.2 基于Camshift适应性跟踪算法 | 第34-40页 |
| 3.2.1 Meanshift算法原理 | 第34-36页 |
| 3.2.2 Camshift跟踪算法 | 第36-37页 |
| 3.2.3 基于视频流检测适应性改进 | 第37-40页 |
| 3.3 基于卡尔曼滤波目标辅助跟踪方法 | 第40-41页 |
| 3.3.1 Kalman滤波原理 | 第40页 |
| 3.3.2 Kalman滤波器轨迹预测 | 第40-41页 |
| 3.4 跟踪算法仿真实验结果分析 | 第41-47页 |
| 3.4.1 区域色调概率分布统计仿真实验 | 第41-43页 |
| 3.4.2 适应性改进算法仿真结果 | 第43-44页 |
| 3.4.3 卡尔曼滤波目标位置预测算法仿真实验 | 第44-45页 |
| 3.4.4 基于色调概率分布模态的迭代跟踪整体算法仿真实验 | 第45-47页 |
| 3.5 本章小节 | 第47-48页 |
| 第4章 结合颜色信息与LBP纹理目标跟踪算法研究 | 第48-56页 |
| 4.1 LBP算子及其改进形式 | 第48-51页 |
| 4.1.1 纹理特征与LBP算法 | 第48-49页 |
| 4.1.2 旋转不变LBP算子 | 第49-50页 |
| 4.1.3 阈值LBP算子 | 第50-51页 |
| 4.2 结合纹理信息目标跟踪算法 | 第51-53页 |
| 4.2.1 LBP统一模式直方图 | 第51-52页 |
| 4.2.2 基于LBP纹理和色度的联合概率分布目标跟踪算法 | 第52-53页 |
| 4.3 结合纹理信息的目标跟踪仿真实验与分析 | 第53-55页 |
| 4.4 本章小节 | 第55-56页 |
| 第5章 运动目标识别与跟踪实验与分析 | 第56-64页 |
| 5.1 实验平台介绍 | 第56页 |
| 5.2 算法整体设计 | 第56-58页 |
| 5.3 实验内容设计 | 第58-60页 |
| 5.3.1 背景干扰 | 第59页 |
| 5.3.2 遮挡干扰 | 第59-60页 |
| 5.3.3 光照变化 | 第60页 |
| 5.4 实验结果分析 | 第60-63页 |
| 5.5 本章小节 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
