| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题的背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 目标识别与跟踪技术的发展 | 第9-10页 |
| 1.2.2 ARM的发展 | 第10-11页 |
| 1.3 研究的主要内容 | 第11页 |
| 1.4 论文的章节安排 | 第11-14页 |
| 第2章 系统总体功能分析 | 第14-22页 |
| 2.1 系统功能分析 | 第14页 |
| 2.2 系统的总体设计 | 第14-21页 |
| 2.2.1 系统总体结构框架 | 第14-15页 |
| 2.2.2 系统硬件的总体设计 | 第15页 |
| 2.2.3 嵌入式处理器的选择 | 第15页 |
| 2.2.4 操作系统的选择 | 第15-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 运动目标识别的预处理 | 第22-32页 |
| 3.1 颜色空间及图像的灰度变换 | 第22-24页 |
| 3.1.1 RGB颜色空间 | 第22页 |
| 3.1.2 颜色空间HSV | 第22-24页 |
| 3.2 图像滤波 | 第24-30页 |
| 3.2.1 中值滤波 | 第25-26页 |
| 3.2.2 高斯滤波 | 第26-27页 |
| 3.2.3 图像的膨胀和腐蚀 | 第27-29页 |
| 3.2.4 图像二值化 | 第29-30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 运动目标识别与跟踪算法 | 第32-50页 |
| 4.1 常用运动目标识别算法分析 | 第32-36页 |
| 4.1.1 帧间差分法 | 第32-33页 |
| 4.1.2 背景差分法 | 第33-34页 |
| 4.1.3 Surendra算法 | 第34-36页 |
| 4.2 常用运动目标跟踪算法分析 | 第36-39页 |
| 4.2.1 CAMShift算法 | 第36-38页 |
| 4.2.2 卡尔曼滤波算法 | 第38-39页 |
| 4.3 基于几何特征和直方图匹配的卡尔曼滤波算法 | 第39-44页 |
| 4.3.1 几何特征计算 | 第40-41页 |
| 4.3.2 卡尔曼滤波 | 第41-43页 |
| 4.3.3 灰度直方图匹配 | 第43-44页 |
| 4.4 跟踪算法流程及实验结果 | 第44-49页 |
| 4.4.1 跟踪算法流程 | 第44-45页 |
| 4.4.2 跟踪算法实验结果及分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 系统软硬件平台的搭建 | 第50-58页 |
| 5.1 系统硬件开发平台 | 第50-51页 |
| 5.1.1 ARM开发板 | 第50页 |
| 5.1.2 视频采集设备 | 第50-51页 |
| 5.2 系统软件平台 | 第51-56页 |
| 5.2.1 构建交叉编译环境 | 第51页 |
| 5.2.2 操作系统移植 | 第51-54页 |
| 5.2.3 Open CV函数库嵌入式平台的移植 | 第54-56页 |
| 5.3 嵌入式平台开发流程 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 嵌入式运动目标识别与跟踪系统实现 | 第58-64页 |
| 6.1 在ARM平台下对运动目标识别算法的选择 | 第58-60页 |
| 6.2 在ARM平台下对运动目标跟踪算法的选择 | 第60-61页 |
| 6.3 基于ARM嵌入式的运动目标识别与跟踪系统的实现 | 第61-63页 |
| 6.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |