智能机器人的视频处理与运动物体跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景与意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·本文研究内容 | 第9-10页 |
| ·本文结构安排 | 第10-11页 |
| 第二章 视频处理平台的搭建 | 第11-23页 |
| ·系统平台简介 | 第11-13页 |
| ·嵌入式系统的配置 | 第13-22页 |
| ·交叉编译环境的构建 | 第13-14页 |
| ·开发板与上位机之间通信的配置 | 第14-15页 |
| ·NFS服务器的设置 | 第15-17页 |
| ·OpenCV的移植 | 第17-19页 |
| ·视频驱动模块 | 第19-21页 |
| ·视频驱动模块的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于嵌入式平台的运动物体检测 | 第23-33页 |
| ·静态背景下的运动物体检测 | 第23-28页 |
| ·帧间差分法 | 第24-26页 |
| ·背景差分法 | 第26-28页 |
| ·差分图像的处理 | 第28-32页 |
| ·二值化 | 第28-30页 |
| ·形态学滤波 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于嵌入式平台的运动物体跟踪 | 第33-47页 |
| ·Mean Shift跟踪算法 | 第34-44页 |
| ·Mean Shift简介 | 第34页 |
| ·Mean Shift的基本思想 | 第34-35页 |
| ·扩展的Mean Shift定义 | 第35-37页 |
| ·Mean Shift算法步骤 | 第37页 |
| ·Mean Shift算法在物体追踪中的应用 | 第37-39页 |
| ·本文算法研究 | 第39-44页 |
| ·卡尔曼滤波预测算法 | 第44-46页 |
| ·卡尔曼滤波原理 | 第44-46页 |
| ·卡尔曼预测在OpenCV中的应用 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于粒子滤波的运动物体跟踪 | 第47-59页 |
| ·粒子滤波算法简介 | 第47页 |
| ·粒子滤波的基本理论 | 第47-52页 |
| ·蒙特卡罗方法 | 第47-48页 |
| ·贝叶斯滤波 | 第48-49页 |
| ·重要性采样 | 第49-51页 |
| ·重采样 | 第51-52页 |
| ·粒子滤波算法的应用 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在读期间的研究成果 | 第67页 |
