基于计算机视觉的目标跟踪算法及其应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 目标特征表达 | 第13-16页 |
| 1.2.2 跟踪模型算法 | 第16-18页 |
| 1.2.3 目标跟踪在移动机器人平台上的应用 | 第18-19页 |
| 1.3 关键技术指标 | 第19-21页 |
| 1.3.1 定位精度图 | 第19页 |
| 1.3.2 覆盖率图 | 第19-21页 |
| 1.3.3 属性分析 | 第21页 |
| 1.4 本论文研究内容 | 第21-22页 |
| 1.5 本文章节安排 | 第22-23页 |
| 1.6 本章小结 | 第23-25页 |
| 第二章 多层次局部化跟踪算法 | 第25-39页 |
| 2.1 跟踪算法详述 | 第26-33页 |
| 2.1.1 局部压缩外观模型 | 第27-28页 |
| 2.1.2 多层分类器 | 第28-31页 |
| 2.1.3 自适应卡尔曼滤波 | 第31-32页 |
| 2.1.4 模型更新 | 第32-33页 |
| 2.2 实验 | 第33-37页 |
| 2.2.1 算法实现细节 | 第34页 |
| 2.2.2 基础算法对比实验 | 第34页 |
| 2.2.3 相似算法对比实验 | 第34-35页 |
| 2.2.4 HET对比实验 | 第35-36页 |
| 2.2.5 人体跟踪实验 | 第36-37页 |
| 2.3 本章小结 | 第37-39页 |
| 第三章 基于循环特征的大边际目标跟踪算法 | 第39-55页 |
| 3.1 跟踪算法详述 | 第40-47页 |
| 3.1.1 问题描述 | 第40-41页 |
| 3.1.2 快速在线优化 | 第41-44页 |
| 3.1.3 多峰前向检测 | 第44-45页 |
| 3.1.4 高置信度更新 | 第45-47页 |
| 3.2 实验 | 第47-52页 |
| 3.2.1 算法实现细节 | 第47-48页 |
| 3.2.2 LMCF自身对比实验 | 第48-49页 |
| 3.2.3 LMCF对比实验 | 第49-52页 |
| 3.2.4 DeepLMCF对比实验 | 第52页 |
| 3.3 本章小结 | 第52-55页 |
| 第四章 多传感器融合的机器人实时三维目标跟踪系统 | 第55-71页 |
| 4.1 单目视觉传感器跟踪模块 | 第56-58页 |
| 4.2 超声波传感器跟踪模块 | 第58-59页 |
| 4.3 多传感器信息融合模块 | 第59-61页 |
| 4.3.1 预测 | 第60页 |
| 4.3.2 更新 | 第60-61页 |
| 4.4 实验 | 第61-68页 |
| 4.4.1 实现细节 | 第61页 |
| 4.4.2 仿真平台实验 | 第61-65页 |
| 4.4.3 真实机器人平台实验 | 第65-68页 |
| 4.5 本章小结 | 第68-71页 |
| 第五章 总结和展望 | 第71-75页 |
| 5.1 全文工作总结 | 第71-72页 |
| 5.2 研究工作展望 | 第72-75页 |
| 参考文献 | 第75-81页 |
| 作者简历 | 第81-83页 |
| 发表文章目录 | 第83页 |
