复杂环境中的目标跟踪及其在移动机器人中的实现
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-20页 |
| ·前言 | 第13-14页 |
| ·课题来源及选题意义 | 第14-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·目标跟踪面临的问题 | 第15-16页 |
| ·目标跟踪的研究算法 | 第16-18页 |
| ·本文的主要研究工作 | 第18-20页 |
| 第2章 运动目标检测算法 | 第20-32页 |
| ·引言 | 第20页 |
| ·图像预处理 | 第20-23页 |
| ·各种预处理算法综述 | 第20-21页 |
| ·均值滤波器 | 第21-22页 |
| ·中值滤波器 | 第22-23页 |
| ·静止背景下的运动目标检测算法 | 第23-26页 |
| ·帧差法 | 第23-24页 |
| ·自适应背景减法 | 第24-26页 |
| ·动态背景下的运动目标检测算法 | 第26-28页 |
| ·光流场法(Optical flow) | 第26-27页 |
| ·块匹配算法 | 第27-28页 |
| ·自动人脸检测算法 | 第28-31页 |
| ·基于肤色的人脸检测方法 | 第29-30页 |
| ·基于统计模型的检测方法 | 第30页 |
| ·基于知识的人脸检测技术 | 第30-31页 |
| ·基于模板匹配的人脸检测技术 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 目标特征提取及描述 | 第32-47页 |
| ·引言 | 第32页 |
| ·颜色特征描述目标 | 第32-39页 |
| ·颜色空间 | 第33-35页 |
| ·RGB，HSV 颜色空间转换 | 第35-37页 |
| ·颜色直方图描述方法 | 第37-39页 |
| ·纹理特征描述目标 | 第39-42页 |
| ·灰度直方图法 | 第39-40页 |
| ·自相关函数方法 | 第40-41页 |
| ·共生矩阵法 | 第41-42页 |
| ·梯度特征描述目标 | 第42-44页 |
| ·融合多种特征描述目标 | 第44-46页 |
| ·协方差矩阵融合多特征描述目标 | 第44-45页 |
| ·相关矩阵融合多特征描述目标 | 第45页 |
| ·协方差矩阵与相关矩阵描述目标优缺点的比较 | 第45-46页 |
| ·矩阵描述的区域之间的距离度量 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第4章 运动目标跟踪算法 | 第47-70页 |
| ·引言 | 第47-48页 |
| ·贝叶斯滤波器原理 | 第48-50页 |
| ·卡尔曼滤波原理 | 第50-52页 |
| ·卡尔曼滤波 | 第50-51页 |
| ·扩展卡尔曼滤波 | 第51-52页 |
| ·粒子滤波器算法理论 | 第52-55页 |
| ·贝叶斯重要性采样（BIS） | 第52-54页 |
| ·序列重要性采样（SIS） | 第54-55页 |
| ·退化问题 | 第55页 |
| ·基于协方差矩阵的粒子滤波跟踪算法 | 第55-59页 |
| ·目标跟踪的目的 | 第56页 |
| ·状态空间与系统状态转移 | 第56-57页 |
| ·系统状态观测 | 第57-58页 |
| ·基于协方差描述目标的粒子滤波跟踪实现原理 | 第58-59页 |
| ·跟踪算法实验结果 | 第59-69页 |
| ·相关矩阵描述目标跟踪实验 | 第59-62页 |
| ·基于协方差描述目标的粒子滤波跟踪算法实验结果 | 第62-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 目标跟踪算法在移动平台中的应用 | 第70-82页 |
| ·引言 | 第70页 |
| ·跟踪系统的硬件环境 | 第70-74页 |
| ·云台摄像头一体机 | 第70-71页 |
| ·移动平台硬件环境 | 第71-74页 |
| ·跟踪系统实现的软件环境 | 第74-77页 |
| ·OpenCV 的主要特点 | 第74-75页 |
| ·OpenCV 主要构成 | 第75页 |
| ·主要的函数说明 | 第75-77页 |
| ·运动控制策略及实现 | 第77-81页 |
| ·系统初始化 | 第77页 |
| ·云台摄像头控制策略 | 第77-80页 |
| ·移动平台控制策略 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 附录 A 攻读学位期间完成的学术论文 | 第90-91页 |
| 附录 B 攻读学位期间参与的科研项目 | 第91-92页 |
| 附录 C 跟踪机器人系统实验图 | 第92页 |
