基于计算机视觉的鱼类三维行为监测研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-14页 |
| 1.2.1 鱼类水质监测国内外研究现状 | 第11-13页 |
| 1.2.2 三维轨迹重建及跟踪国内外研究现状 | 第13-14页 |
| 1.2.3 神经网络在水质异常监测中的应用 | 第14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 双目立体视觉基础 | 第17-26页 |
| 2.1 计算机视觉常用坐标 | 第17-18页 |
| 2.2 摄像机模型 | 第18-20页 |
| 2.2.1 基于模板的方法 | 第18-19页 |
| 2.2.2 摄像机非线性模型 | 第19-20页 |
| 2.3 双目立体视觉模型 | 第20-21页 |
| 2.4 双目立体视觉标定步骤 | 第21-23页 |
| 2.4.1 单应性矩阵 | 第21-22页 |
| 2.4.2 求解参数 | 第22-23页 |
| 2.5 实验步骤与结果 | 第23-25页 |
| 2.5.1 实验步骤 | 第23-25页 |
| 2.5.2 标定实验结果 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 运动物体的检测和跟踪理论 | 第26-42页 |
| 3.1 视频图像预处理 | 第26-30页 |
| 3.1.1 邻域平均法 | 第26-27页 |
| 3.1.2 低通滤波法 | 第27-29页 |
| 3.1.3 中值滤波法 | 第29-30页 |
| 3.2 运动目标检测算法 | 第30-33页 |
| 3.2.1 背景差分法 | 第30-31页 |
| 3.2.2 帧间差分法 | 第31-32页 |
| 3.2.3 光流法 | 第32-33页 |
| 3.3 运动目标检测难点 | 第33页 |
| 3.4 运动目标跟踪算法 | 第33-37页 |
| 3.4.1 质心跟踪算法 | 第33-34页 |
| 3.4.2 Mean Shift跟踪算法 | 第34-35页 |
| 3.4.3 卡尔曼跟踪算法 | 第35-37页 |
| 3.4.4 粒子滤波跟踪算法 | 第37页 |
| 3.5 目标跟踪的难点 | 第37-38页 |
| 3.6 鱼类目标的监测和跟踪 | 第38-41页 |
| 3.6.1 鱼类目标检测 | 第38-39页 |
| 3.6.2 鱼类目标跟踪 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 鱼类三维运动轨迹重建 | 第42-50页 |
| 4.1 空间三维轨迹重建 | 第42-45页 |
| 4.1.1 最小二乘法 | 第43-44页 |
| 4.1.2 视差法 | 第44-45页 |
| 4.2 空间点三维坐标重建 | 第45-47页 |
| 4.3 鱼类三维行为特征参数定义 | 第47-48页 |
| 4.4 提取鱼类三维行为特征参数 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于BP神经网络的水质异常检测 | 第50-64页 |
| 5.1 BP神经网络 | 第50-53页 |
| 5.1.1 BP神经网络基本思想 | 第50-51页 |
| 5.1.2 BP神经网络分类步骤 | 第51-53页 |
| 5.2 BP神经网络模型的构建 | 第53-57页 |
| 5.2.1 BP神经网络结构设定 | 第55-56页 |
| 5.2.2 BP神经网络参数设置 | 第56-57页 |
| 5.3 实验与结果分析 | 第57-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
