摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-22页 |
1.1 研究背景、目的与意义 | 第12-14页 |
1.1.1 研究背景及目的 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 无线多媒体传感器网络概述 | 第14-18页 |
1.2.1 无线传感器网络 | 第14-16页 |
1.2.2 无线多媒体传感器网络概述 | 第16-18页 |
1.3 国内外研究现状 | 第18-20页 |
1.3.1 视频跟踪研究现状 | 第18-19页 |
1.3.2 无线多媒体传感器网络研究现状 | 第19-20页 |
1.4 论文主要研究内容与章节安排 | 第20-22页 |
第2章 基于图像处理的目标检测与跟踪方法 | 第22-36页 |
2.1 图像处理基础 | 第22-26页 |
2.1.1 数学形态学概述 | 第22-24页 |
2.1.2 形态学预处理 | 第24-25页 |
2.1.3 腐蚀与膨胀 | 第25-26页 |
2.1.4 图像的开与闭运算 | 第26页 |
2.2 运动目标检测方法 | 第26-31页 |
2.2.1 背景差分法 | 第27-28页 |
2.2.2 帧间差分法 | 第28-30页 |
2.2.3 光流法 | 第30-31页 |
2.3 运动目标跟踪方法 | 第31-33页 |
2.3.1 基于特征的跟踪 | 第31-32页 |
2.3.2 基于区域统计的跟踪算法 | 第32-33页 |
2.3.3 基于轮廓的跟踪算法 | 第33页 |
2.3.4 基于模型的跟踪算法 | 第33页 |
2.4 本章小结 | 第33-36页 |
第3章 基于WMSNs节点的移动目标跟踪 | 第36-58页 |
3.1 视频节点标定方法基础 | 第36-37页 |
3.1.1 传统的相机标定方法简介 | 第36-37页 |
3.1.2 基于主动视觉标定方法 | 第37页 |
3.1.3 摄像机自标定方法 | 第37页 |
3.2 基于最小二乘法的标定校正方法 | 第37-43页 |
3.2.1 标定原理 | 第37-39页 |
3.2.2 标定实验 | 第39-43页 |
3.3 基于高斯模型的目标检测方法 | 第43-47页 |
3.3.1 混合高斯模型 | 第43-46页 |
3.3.2 基于高斯目标检测算法的实验 | 第46-47页 |
3.4 基于卡尔曼滤波的运动目标跟踪 | 第47-53页 |
3.5 实验效果与结果分析 | 第53-56页 |
3.6 本章小结 | 第56-58页 |
第4章 基于WMSNs目标跟踪的信息融合 | 第58-80页 |
4.1 信息融合的概念、作用及分类 | 第58-61页 |
4.1.1 信息融合的概念 | 第58页 |
4.1.2 信息融合的作用 | 第58-59页 |
4.1.3 数据融合的分类 | 第59-61页 |
4.2 WMSNs适用的数据融合方法 | 第61-68页 |
4.2.1 能量高效的自适应融合生成树 | 第61-63页 |
4.2.2 基于图像相关性的数据融合算法 | 第63-66页 |
4.2.3 基于分布式图像压缩的数据融合 | 第66-68页 |
4.3 改进的基于模糊C均值聚类的粒子滤波数据融合算法 | 第68-78页 |
4.3.1 模糊C均值聚类算法 | 第68-70页 |
4.3.2 粒子滤波算法理论基础 | 第70-75页 |
4.3.3 基于模糊C均值的改进粒子滤波融合定位算法 | 第75-78页 |
4.4 本章小结 | 第78-80页 |
第5章 基于WMSNs的目标跟踪半实物系统 | 第80-90页 |
5.1 WMSNs3D感知模型 | 第80-83页 |
5.1.1 3D感知模型定义 | 第80-82页 |
5.1.2 基于俯仰角γ的节点感知范围优化 | 第82-83页 |
5.2 WMSNs节点间数据传输 | 第83-87页 |
5.3 跟踪系统实验 | 第87-89页 |
5.4 本章小结 | 第89-90页 |
第6章 总结与展望 | 第90-92页 |
6.1 总结 | 第90页 |
6.2 展望 | 第90-92页 |
参考文献 | 第92-100页 |
致谢 | 第100-102页 |
硕士期间的科研成果 | 第102页 |