首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

运动目标识别与光电跟踪定位技术研究

摘要第1-7页
ABSTRACT第7-13页
第1章 绪论第13-24页
   ·论文的背景及意义第13-14页
   ·摄像机标定及计算机视觉的现状第14-16页
   ·目标自动识别技术现状第16-20页
   ·目标跟踪技术现状第20-22页
   ·本文主要研究内容第22-24页
第2章 图像处理中高精度的角点检测第24-33页
   ·引言第24页
   ·角点检测概述第24-25页
     ·基于边缘提取的角点检测算法第24-25页
     ·基于图像灰度的角点检测算法第25页
   ·Harris角点检测原理第25-27页
   ·基于Harris亚像素级角点检测算法第27-28页
   ·试验结果第28-31页
   ·本章小结第31-33页
第3章 基于支持向量机的摄像机智能标定技术第33-71页
   ·引言第33页
   ·传统摄像机标定第33-39页
     ·图像坐标系与摄像机坐标系第34-36页
     ·线性摄像机模型第36-37页
     ·非线性摄像机模型第37-39页
   ·最小二乘支持向量机第39-51页
     ·回归问题数学提法第39-40页
     ·支持向量机理论基础第40-42页
     ·支持向量机回归原理第42-47页
     ·基于自适应遗传算法(AGA)的支持向量机参数选择第47-50页
     ·摄像机标定精度评价准则第50-51页
   ·基于最小二乘支持向量机的摄像机智能标定第51-69页
     ·基于AGA-LS-SVM算法的摄像机智能标定第53-58页
     ·基于AGA-LS-SVM的双目立体视觉摄像机智能标定第58-69页
   ·本章小结第69-71页
第4章 基于Haar特征的目标智能识别第71-94页
   ·引言第71页
   ·Haar特征第71-75页
     ·Haar特征集第71-73页
     ·Haar特征快速计算第73-75页
   ·Adaboost算法第75-81页
     ·Adaboost原理第77页
     ·Adaboost算法第77-79页
     ·级联分类器第79-81页
   ·基于Haar特征的目标识别第81-86页
     ·训练样本第81-82页
     ·具体训练过程第82-86页
   ·试验结果第86-93页
   ·本章小结第93-94页
第5章 基于Mean Shift目标智能跟踪算法研究第94-123页
   ·引言第94页
   ·RGB到HSV色彩空间转换第94-97页
     ·颜色空间第95-97页
     ·从RGB空间到HSV空间的转化第97页
   ·Mean Shift算法第97-104页
     ·Mean Shift算法原理第97-99页
     ·Mean Shift理论在目标跟踪中的应用第99-102页
     ·Mean Shift算法流程第102-104页
     ·Mean Shift算法性能分析第104页
   ·Kalman滤波方法第104-107页
     ·Kalman滤波方法简介第105-106页
     ·Kalman预测模型第106-107页
   ·融合Kalman滤波的自适应带宽Mean Shift算法第107-114页
     ·算法流程第108-110页
     ·遮挡问题处理第110-114页
   ·目标跟踪试验结果第114-122页
   ·本章小结第122-123页
第6章 目标识别跟踪定位试验系统第123-138页
   ·引言第123页
   ·系统的基本功能及原理第123-126页
     ·基本功能第123-124页
     ·系统工作原理第124-126页
   ·系统硬件组成第126-129页
   ·光电系统作用距离分析及转台跟踪速度分析第129-132页
     ·光电系统作用距离分析第129-131页
     ·转台跟踪速度分析第131-132页
   ·系统软件设计方案第132-134页
     ·系统软件设计第132页
     ·目标跟踪定位界面的设计与实现第132-134页
   ·试验结果第134-137页
   ·本章小结第137-138页
结论第138-140页
参考文献第140-153页
攻读博士学位期间发表的论文和取得的科研成果第153-154页
致谢第154页

论文共154页,点击 下载论文
上一篇:基于小波收缩与各向异性扩散及其等价性的图像去噪与分割
下一篇:人脸识别技术及其在场馆门禁系统中的应用研究