| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13页 |
| 1.1.2 研究意义 | 第13-15页 |
| 1.2 国内外研究现状及水平 | 第15-20页 |
| 1.2.1 运动目标检测 | 第16-18页 |
| 1.2.2 运动目标跟踪 | 第18-19页 |
| 1.2.3 复眼视觉分析 | 第19-20页 |
| 1.3 研究内容 | 第20-21页 |
| 1.4 论文内容安排 | 第21-23页 |
| 第2章 系统平台搭建与算法框架 | 第23-31页 |
| 2.1 系统方案设计 | 第23-24页 |
| 2.1.1 硬件平台设计 | 第23-24页 |
| 2.1.2 软件开发平台 | 第24页 |
| 2.2 算法分析 | 第24-28页 |
| 2.2.1 运动目标检测算法 | 第25-26页 |
| 2.2.2 运动目标跟踪算法 | 第26-27页 |
| 2.2.3 模式识别算法 | 第27-28页 |
| 2.2.4 人脸检测与跟踪算法 | 第28页 |
| 2.3 昆虫复眼视觉方法 | 第28-29页 |
| 2.4 算法框架 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于复眼视觉电生理原理的运动检测 | 第31-47页 |
| 3.1 昆虫复眼视觉系统原理 | 第31-38页 |
| 3.1.1 昆虫复眼结构 | 第31-34页 |
| 3.1.2 局部运动检测器 | 第34-37页 |
| 3.1.3 整合局部运动信息识别运动模式 | 第37-38页 |
| 3.2 局部运动检测算法设计与实现 | 第38-42页 |
| 3.2.1 六边形剖分与小眼分布 | 第38-39页 |
| 3.2.2 增强型Reichardt检测器算法实现 | 第39-42页 |
| 3.3 基于LPTC的运动检测算法设计与实现 | 第42-43页 |
| 3.4 空间区域的运动模式识别 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 仿复眼功能的运动检测与跟踪 | 第47-61页 |
| 4.1 算法基本思想 | 第47-49页 |
| 4.2 单个六边形的运动触发检测 | 第49-56页 |
| 4.2.1 低通滤波 | 第49-50页 |
| 4.2.2 单眼颜色突变检测 | 第50-51页 |
| 4.2.3 单眼邻域匹配曲线 | 第51-54页 |
| 4.2.4 基于相邻帧间六边形运动目标的运动确认 | 第54-56页 |
| 4.3 运动目标区域的确定 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第5章 行人与人脸的检测与跟踪 | 第61-71页 |
| 5.1 融合运动与灰度信息的行人检测 | 第61-64页 |
| 5.1.1 基于运动方向聚类的区域划分 | 第61-63页 |
| 5.1.2 基于支持向量机的行人检测 | 第63-64页 |
| 5.2 基于复眼原理的目标跟踪 | 第64-66页 |
| 5.3 人脸检测与跟踪 | 第66-70页 |
| 5.3.1 AdaBoost人脸检测 | 第66页 |
| 5.3.2 融合粒子滤波与Mean-shift的人脸跟踪 | 第66-69页 |
| 5.3.3 顶视结果对侧视分析的辅助作用 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 结果分析 | 第71-77页 |
| 6.1 实验数据 | 第71-72页 |
| 6.1.1 运动检测测试数据集 | 第71页 |
| 6.1.2 双摄像头测试视频 | 第71-72页 |
| 6.1.3 支持向量机训练与测试数据集 | 第72页 |
| 6.2 实验结果分析 | 第72-76页 |
| 6.2.1 运动检测结果 | 第72-74页 |
| 6.2.2 模式识别和运动跟踪结果 | 第74页 |
| 6.2.3 人脸检测与跟踪结果 | 第74-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第7章 总结与展望 | 第77-79页 |
| 7.1 论文总结 | 第77-78页 |
| 7.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读学位期间发表的主要学术论文 | 第85-87页 |
| 致谢 | 第87页 |