基于仿生的视频目标随动跟踪方法及应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-10页 |
| 1.1 选题动机及背景 | 第7-8页 |
| 1.2 相关研究 | 第8-9页 |
| 1.3 文章组织 | 第9-10页 |
| 2 生物视觉跟踪的方式 | 第10-16页 |
| 2.1 运动感知 | 第10-12页 |
| 2.2 眼动控制 | 第12-13页 |
| 2.3 视觉跟踪系统比较设计 | 第13-15页 |
| 2.3.1 摄像机 | 第14页 |
| 2.3.2 云台控制 | 第14-15页 |
| 2.3.3 运动检测与估计 | 第15页 |
| 2.4 小结 | 第15-16页 |
| 3 随动控制算法 | 第16-22页 |
| 3.1 目标运动简化模型 | 第16-17页 |
| 3.2 摄像机简化模型 | 第17-18页 |
| 3.3 反馈模型 | 第18页 |
| 3.4 数值计算 | 第18-19页 |
| 3.5 实验结果 | 第19-21页 |
| 3.6 小结 | 第21-22页 |
| 4 视频跟踪算法 | 第22-43页 |
| 4.1 问题模型 | 第23-25页 |
| 4.2 跟踪系统的类型 | 第25-26页 |
| 4.3 跟踪算法 | 第26-37页 |
| 4.3.1 卡尔曼滤波 | 第26-27页 |
| 4.3.2 Mean-Shift跟踪 | 第27-29页 |
| 4.3.3 运动特征及光流 | 第29-32页 |
| 4.3.4 相关性滤波器 | 第32-37页 |
| 4.4 运动感知 | 第37-42页 |
| 4.4.1 信号观点 | 第38-39页 |
| 4.4.2 微分观点 | 第39-40页 |
| 4.4.3 算法实现 | 第40-42页 |
| 4.5 小结 | 第42-43页 |
| 5 跟踪算法的应用 | 第43-49页 |
| 5.1 应用环境介绍 | 第43-44页 |
| 5.2 图像及摄像机特性 | 第44-45页 |
| 5.3 跟踪过程 | 第45-47页 |
| 5.4 小结 | 第47-49页 |
| 6 总结与展望 | 第49-50页 |
| 参考资料 | 第50-53页 |
| 后记 | 第53-54页 |
