基于视频的多目标识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-12页 |
| 1.3 课题研究对象介绍 | 第12-14页 |
| 1.4 研究目的以及内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 2 全局视觉仿生机器鱼并行跟踪定位控制系统 | 第16-20页 |
| 2.1 系统硬件平台 | 第16-17页 |
| 2.2 仿生机器鱼硬件介绍 | 第17页 |
| 2.3 平台图像采集 | 第17-18页 |
| 2.3.1 摄像头图像采集 | 第17-18页 |
| 2.3.2 图像失真处理 | 第18页 |
| 2.3.3 机器鱼模板识别 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 3 计算机视觉研究及相关方法 | 第20-29页 |
| 3.1 图像数字化 | 第20页 |
| 3.2 目标跟踪算法 | 第20-22页 |
| 3.3 图像特征提取 | 第22-24页 |
| 3.3.1 颜色特征 | 第22页 |
| 3.3.2 纹理特征 | 第22页 |
| 3.3.3 形状特征 | 第22-23页 |
| 3.3.4 空间关系特征 | 第23-24页 |
| 3.4 机器鱼模板匹配跟踪与并行算法介绍 | 第24-26页 |
| 3.5 机器鱼水池前景建模以及目前存在的问题 | 第26-27页 |
| 3.6 本章小结 | 第27-29页 |
| 4 基于视频流的图像处理实验 | 第29-46页 |
| 4.1 研究内容介绍 | 第29页 |
| 4.2 实验准备 | 第29-33页 |
| 4.2.1 实验用视频获取 | 第29-30页 |
| 4.2.2 视频帧提取 | 第30-31页 |
| 4.2.3 实验辅助MFC平台 | 第31-32页 |
| 4.2.4 HSV颜色空间介绍 | 第32-33页 |
| 4.3 图像处理实验 | 第33-45页 |
| 4.3.1 实验步骤: | 第33-34页 |
| 4.3.2 实验数据提取以及数据分析 | 第34-37页 |
| 4.3.3 实验数据整理 | 第37-38页 |
| 4.3.4 实验参数完善 | 第38-40页 |
| 4.3.5 图像噪声去除 | 第40-41页 |
| 4.3.6 算法移植准备 | 第41-42页 |
| 4.3.7 算法鲁棒性验证测试 | 第42-43页 |
| 4.3.8 不同光照干扰测试 | 第43-44页 |
| 4.3.9 遗留问题概述 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于深度学习的图像处理研究 | 第46-55页 |
| 5.1 深度学习发展简介 | 第46-47页 |
| 5.2 卷积神经网络 | 第47-48页 |
| 5.3 GAN对抗神经网络 | 第48-53页 |
| 5.3.1 GAN网络原理 | 第48-49页 |
| 5.3.2 CycleGAN网络 | 第49-51页 |
| 5.3.3 基于CUDA实现网络的训练 | 第51-52页 |
| 5.3.4 测试步骤及参数调整 | 第52页 |
| 5.3.5 实验结果展示 | 第52-53页 |
| 5.4 本章总结 | 第53-55页 |
| 6 结论 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 论文创新点 | 第55页 |
| 6.3 论文不足点 | 第55-57页 |
| 7 展望 | 第57-59页 |
| 8 参考文献 | 第59-64页 |
| 9 攻读硕士学位期间发表论文情况 | 第64-65页 |
| 10 致谢 | 第65页 |
