基于视频的动物行为智能分析系统关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究目的与意义 | 第10-11页 |
| ·动物行为识别与理解的研究目的和意义 | 第10页 |
| ·动物行为智能分析系统的研究目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究概况 | 第11-12页 |
| ·研究内容与组织结构 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 系统整体方案设计 | 第14-21页 |
| ·系统组成 | 第14-15页 |
| ·视频信号采集方法 | 第15-17页 |
| ·图像序列采集参数设置 | 第15-16页 |
| ·图像采集软件技术 | 第16-17页 |
| ·动物行为模型框架设计 | 第17-18页 |
| ·系统软件技术路线 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 动物目标检测方法 | 第21-26页 |
| ·目标检测技术分析 | 第21页 |
| ·基于背景减除法的动物目标检测方法 | 第21-24页 |
| ·方法介绍 | 第21-22页 |
| ·方法详细步骤 | 第22-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 动物目标跟踪方法 | 第26-45页 |
| ·目标跟踪技术分析 | 第26-28页 |
| ·基于基本假设条件的跟踪 | 第26页 |
| ·基于运动模型的跟踪 | 第26-27页 |
| ·基于多线索融合的跟踪 | 第27页 |
| ·基于特征的目标跟踪 | 第27页 |
| ·当前存在的问题 | 第27-28页 |
| ·基于MEANSHIFT 的目标跟踪技术 | 第28-36页 |
| ·Meanshift 算法 | 第28-29页 |
| ·Meanshift 理论基础 | 第29-34页 |
| ·目标跟踪中的Meanshift 理论 | 第34-36页 |
| ·CAMSHIFT 目标跟踪技术 | 第36-43页 |
| ·颜色空间选择与转换 | 第36-37页 |
| ·基于Camshift 算法的目标跟踪技术 | 第37-42页 |
| ·基于概率分布图的轮廓提取 | 第42-43页 |
| ·实验与结果分析 | 第43-44页 |
| ·目标跟踪实验与分析 | 第43-44页 |
| ·目标轮廓提取实验与分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 动物行为分析方法 | 第45-61页 |
| ·动物运动参数计算方法 | 第45-46页 |
| ·距离单位转换 | 第45页 |
| ·各种标准运动参数 | 第45-46页 |
| ·动物体态分类与识别技术 | 第46-56页 |
| ·体态定义与分类 | 第47-48页 |
| ·体态特征提取 | 第48-50页 |
| ·基于支持向量机的体态分类算法 | 第50-56页 |
| ·动物行为分析方法 | 第56-60页 |
| ·动物行为分析方法模型 | 第56-58页 |
| ·行为分析方法实例 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 动物行为分析系统的设计与实现 | 第61-70页 |
| ·软件开发工具 | 第61-62页 |
| ·系统框架与功能设计 | 第62-63页 |
| ·系统框架 | 第62页 |
| ·系统功能模块 | 第62-63页 |
| ·系统实现的关键技术 | 第63-66页 |
| ·视频处理实现技术 | 第63-65页 |
| ·OpenCV 技术 | 第65-66页 |
| ·分析验证实例 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第七章 结论与展望 | 第70-72页 |
| ·结论 | 第70页 |
| ·展望与建议 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |
