| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究背景和意义 | 第14-15页 |
| ·国内外研究发展现状 | 第15-18页 |
| ·基于视频的目标跟踪研究现状 | 第15-16页 |
| ·基于音频的畜禽检测研究现状 | 第16-17页 |
| ·猪异常分析研究现状 | 第17-18页 |
| ·论文的研究内容和结构安排 | 第18-20页 |
| ·本章小结 | 第20-22页 |
| 第二章 视频采集系统 | 第22-26页 |
| ·视频采集系统硬件介绍 | 第22-24页 |
| ·视频采集系统软件介绍 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于目标检测与粒子滤波的猪目标跟踪 | 第26-54页 |
| ·猪目标检测 | 第26-37页 |
| ·目标检测基本方法 | 第26-29页 |
| ·高斯混合建模 | 第29-32页 |
| ·均值漂移分割算法 | 第32-35页 |
| ·图像融合 | 第35-37页 |
| ·猪目标跟踪 | 第37-44页 |
| ·目标跟踪的基本方法 | 第37-38页 |
| ·基于逐帧检测的猪目标跟踪 | 第38-41页 |
| ·实验结果分析 | 第41-44页 |
| ·结合粒子滤波器的逐帧检测法 | 第44-53页 |
| ·粒子滤波算法 | 第44-49页 |
| ·改进的最近邻法则 | 第49-50页 |
| ·像素点阈值分割法 | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于多模型结果优选的猪声音识别 | 第54-78页 |
| ·猪只声音预处理 | 第54-60页 |
| ·声音去噪 | 第54-58页 |
| ·端点检测 | 第58-59页 |
| ·分帧加窗 | 第59-60页 |
| ·猪只声音特征选取 | 第60-63页 |
| ·线性预测倒谱系数(LPCC) | 第61-62页 |
| ·梅尔倒谱系数(MFCC) | 第62-63页 |
| ·猪只声音识别模型 | 第63-69页 |
| ·隐马尔科夫模型(HMM) | 第64-65页 |
| ·支持向量机(SVM) | 第65-67页 |
| ·Adaboost算法 | 第67-69页 |
| ·猪声音识别模型优选 | 第69-71页 |
| ·猪只声音识别实验与实现 | 第71-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 基于行为锚定评价法的猪视频和音频信息异常评价 | 第78-88页 |
| ·行为锚定评价法 | 第78-79页 |
| ·猪多源信息异常评价体系的建立 | 第79-86页 |
| ·本章小结 | 第86-88页 |
| 第六章 总结与展望 | 第88-90页 |
| ·研究工作总结 | 第88-89页 |
| ·研究工作展望 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96-98页 |
| 攻读学位期间发表的学术论文及参与的科研项目 | 第98页 |