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 |