| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 目标检测与跟踪算法研究现状 | 第10-11页 |
| 1.2.2 基于PTZ摄像机的目标跟踪研究现状 | 第11-12页 |
| 1.2.3 DSP在图像处理中的应用现状 | 第12-13页 |
| 1.3 面临的主要问题 | 第13页 |
| 1.4 本文研究内容与结构安排 | 第13-15页 |
| 1.4.1 本文研究内容 | 第13-14页 |
| 1.4.2 本文章节安排 | 第14-15页 |
| 第二章 目标检测与跟踪算法研究 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 运动目标检测算法 | 第15-18页 |
| 2.2.1 帧间差分法 | 第15-17页 |
| 2.2.2 背景差分法 | 第17-18页 |
| 2.3 运动目标跟踪算法 | 第18-27页 |
| 2.3.1 卡尔曼滤波算法 | 第18-20页 |
| 2.3.2 粒子滤波跟踪算法 | 第20-24页 |
| 2.3.3 Camshift跟踪算法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 嵌入式系统硬件平台 | 第28-33页 |
| 3.1 引言 | 第28页 |
| 3.2 嵌入式系统硬件平台介绍 | 第28-29页 |
| 3.3 DM6437图像处理平台 | 第29-30页 |
| 3.4 图像获取设备 | 第30-31页 |
| 3.5 RS232/RS485通讯模块 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 主动视觉系统算法设计 | 第33-48页 |
| 4.1 引言 | 第33-34页 |
| 4.2 基于人脸的目标检测与跟踪系统 | 第34-43页 |
| 4.2.1 Adaboost人脸检测算法 | 第34-35页 |
| 4.2.2 Kalman滤波与Camshift的融合算法 | 第35-37页 |
| 4.2.3 PTZ云台控制算法 | 第37-40页 |
| 4.2.4 实验结果及分析 | 第40-43页 |
| 4.3 基于遥控车的检测与跟踪系统 | 第43-47页 |
| 4.3.1 高斯混合背景模型 | 第43-44页 |
| 4.3.2 遥控车的目标检测与跟踪系统 | 第44-45页 |
| 4.3.3 实验结果 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 嵌入式系统下算法移植与实现 | 第48-59页 |
| 5.1 引言 | 第48页 |
| 5.2 视频图像的采集与显示 | 第48-50页 |
| 5.3 串行通讯模块启动 | 第50-51页 |
| 5.4 目标检测跟踪算法移植实现 | 第51-56页 |
| 5.4.1 图像预处理 | 第51-52页 |
| 5.4.2 高斯混合背景算法移植实现 | 第52-53页 |
| 5.4.3 运动目标跟踪算法部分移植实现 | 第53-55页 |
| 5.4.4 嵌入式系统云台控制算法部分 | 第55-56页 |
| 5.5 实验结果分析 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |