云台监控事件检测和目标追踪方法的研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·智能监控系统 | 第8-10页 |
| ·智能监控系统的概念 | 第8页 |
| ·系统领域的所面临的难题 | 第8-9页 |
| ·智能监控系统的主要应用 | 第9-10页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究内容及目的 | 第13-16页 |
| 第二章 数字图象处理基础 | 第16-25页 |
| ·数字图像处理基本信息 | 第16-18页 |
| ·图像增强 | 第18-21页 |
| ·图像分割 | 第21页 |
| ·数学形态学 | 第21-25页 |
| 第三章 运动目标检测 | 第25-43页 |
| ·运动目标识别技术 | 第25-27页 |
| ·基于区域的图像匹配算法 | 第25-26页 |
| ·基于特征的图像匹配算法 | 第26-27页 |
| ·基于目标模型的匹配方法 | 第27页 |
| ·图像匹配度量方法 | 第27-29页 |
| ·图像匹配的原理 | 第27-28页 |
| ·基于MCD的相似性度量算法 | 第28页 |
| ·基于SSDA的相似性度量算法 | 第28-29页 |
| ·基于SIFT特征的图像识别算法 | 第29-35页 |
| ·尺度空间 | 第30-31页 |
| ·候选特征点的确定 | 第31-33页 |
| ·特征点的筛选 | 第33-34页 |
| ·特征向量的生成 | 第34-35页 |
| ·图像匹配 | 第35页 |
| ·基于卡尔曼预测的匹配算法 | 第35-42页 |
| ·卡尔曼滤波器原理及其实现 | 第35-37页 |
| ·卡尔曼预测器在图像匹配中的应用 | 第37-39页 |
| ·匹配窗口的自适应 | 第39-40页 |
| ·卡尔曼预测器与SIFT特征识别算法相结合 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第四章 运动目标跟踪中的问题与研究 | 第43-60页 |
| ·现有跟踪算法 | 第43-47页 |
| ·MeanShift目标跟踪算法 | 第43-45页 |
| ·粒子滤波算法 | 第45-47页 |
| ·卡尔曼滤波算法 | 第47页 |
| ·基于加权分块直方图带宽自适应算法 | 第47-51页 |
| ·加权分块直方图 | 第47-49页 |
| ·带宽自适应算法 | 第49-50页 |
| ·实验结果与对比分析 | 第50-51页 |
| ·跟踪过程中遮挡问题的处理 | 第51-59页 |
| ·基于卡尔曼滤波器的预测算法 | 第52-54页 |
| ·遮挡过程的判定 | 第54-56页 |
| ·实验结果与对比分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 云台控制与系统构成 | 第60-73页 |
| ·常规PID控制特点及其局限性 | 第60页 |
| ·模糊控制 | 第60-63页 |
| ·模糊控制原理 | 第60-63页 |
| ·模糊控制器的局限性 | 第63页 |
| ·模糊PTD控制 | 第63-66页 |
| ·模糊PID控制器的基本原理 | 第63-64页 |
| ·模糊PID控制器的设计步骤 | 第64页 |
| ·云台的模糊PID控制器设计 | 第64-66页 |
| ·模糊PID控制模块实现 | 第66页 |
| ·系统构成与实验测试 | 第66-72页 |
| ·系统构成 | 第66-68页 |
| ·系统测试 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结论 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78-79页 |
