| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景 | 第11-13页 |
| 1.3 人机交互技术的发展及应用现状 | 第13-17页 |
| 1.3.1 人机交互技术的发展历程 | 第13-15页 |
| 1.3.2 人机交互技术的应用现状 | 第15-17页 |
| 1.4 本文的主要研究工作 | 第17-18页 |
| 1.5 本文结构安排 | 第18-19页 |
| 1.6 研究意义 | 第19-21页 |
| 第2章 视觉跟踪交互技术 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 视觉跟踪技术 | 第21-29页 |
| 2.2.1 视频对象分割技术 | 第22-26页 |
| 2.2.2 视觉跟踪关键技术 | 第26-29页 |
| 2.3 基于视觉跟踪的人机交互技术 | 第29-30页 |
| 2.4 视觉跟踪交互关键技术流程 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于水平集的视频对象分割技术研究 | 第33-49页 |
| 3.1 引言 | 第33页 |
| 3.2 水平集算法及其改进 | 第33-38页 |
| 3.2.1 水平集算法 | 第33-36页 |
| 3.2.2 算法存在的问题分析 | 第36-37页 |
| 3.2.3 基于C-V模型的水平集算法 | 第37-38页 |
| 3.3 基于水平集的视频分割方法 | 第38-42页 |
| 3.3.1 基于图像差分技术的初始目标捕获 | 第38-40页 |
| 3.3.2 自适应水平集分割方法 | 第40-41页 |
| 3.3.3 基于信息融合的多尺度水平集分割方法 | 第41-42页 |
| 3.4 递归分割方法 | 第42-44页 |
| 3.5 实验结果对比及分析 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于TLD算法的视觉跟踪技术研究 | 第49-68页 |
| 4.1 引言 | 第49页 |
| 4.2 TLD算法分析 | 第49-58页 |
| 4.2.1 TLD算法 | 第49-52页 |
| 4.2.2 模块分析 | 第52-53页 |
| 4.2.3 算法存在的问题分析 | 第53-58页 |
| 4.3 基于TLD的视觉跟踪方法 | 第58-63页 |
| 4.3.1 捕获较大运动的TLD跟踪方法 | 第58-60页 |
| 4.3.2 基于在线学习的极端随机森林TLD跟踪方法 | 第60-63页 |
| 4.4 实验结果对比及分析 | 第63-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于仿人机器人NAO的交互平台设计 | 第68-75页 |
| 5.1 引言 | 第68页 |
| 5.2 仿人机器人NAO平台简介 | 第68-69页 |
| 5.3 基于目标跟踪的交互信息识别方法 | 第69-71页 |
| 5.4 系统设计与实现 | 第71-72页 |
| 5.5 实验结果与分析 | 第72-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 硕士期间完成论文情况 | 第83页 |