| 摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状及发展趋势 | 第13-15页 |
| 1.2.1 图像目标识别研究现状和趋势 | 第13-14页 |
| 1.2.2 双摄像机协同系统的研究现状 | 第14-15页 |
| 1.3 双摄像机协同系统的优势及关键技术 | 第15-16页 |
| 1.4 论文主要工作与结构安排 | 第16-17页 |
| 第二章 基于Adaboost的目标检测算法 | 第17-34页 |
| 2.1 Adaboost算法概述 | 第17-20页 |
| 2.1.1 Adaboost算法介绍 | 第17-18页 |
| 2.1.2 Adaboost算法流程演示 | 第18-20页 |
| 2.2 矩形特征及积分图 | 第20-24页 |
| 2.2.1 矩形特征 | 第20-23页 |
| 2.2.2 积分图 | 第23-24页 |
| 2.3 分类器的训练算法 | 第24-29页 |
| 2.3.1 弱分类器 | 第24-25页 |
| 2.3.2 强分类器 | 第25-28页 |
| 2.3.3 级联分类器 | 第28-29页 |
| 2.4 程序实现及结果 | 第29-33页 |
| 2.4.1 样本准备 | 第29-30页 |
| 2.4.2 分类器训练 | 第30-31页 |
| 2.4.3 目标检测流程 | 第31-32页 |
| 2.4.4 检测结果分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于RSOM聚类树和类属超图的目标跟踪识别算法 | 第34-52页 |
| 3.1 SIFT局部不变特征 | 第34-36页 |
| 3.2 属性图及属性图相似性度量 | 第36-39页 |
| 3.2.1 属性图的构建 | 第36-37页 |
| 3.2.2 属性图的相似性度量 | 第37-39页 |
| 3.3 RSOM聚类树的原理及训练 | 第39-41页 |
| 3.4 类属超图模型的构建 | 第41-44页 |
| 3.4.1 类属超图（CSHG）模型 | 第41-42页 |
| 3.4.2 基于RSOM树搜索求取属性图K近邻 | 第42页 |
| 3.4.3 基于相似性传播聚类原理建立类属超图模型 | 第42-44页 |
| 3.4.4 基于类属超图模型的目标识别 | 第44页 |
| 3.5 Adaboost-CSHG目标检测与跟踪 | 第44-48页 |
| 3.6 Adaboost-CSHG目标检测与识别 | 第48-50页 |
| 3.6.1 概述 | 第48页 |
| 3.6.2 Adaboost-CSHG目标检测与识别实现流程 | 第48-49页 |
| 3.6.3 实验仿真与结果分析 | 第49-50页 |
| 3.7 本章小结 | 第50-52页 |
| 第四章 双摄像机的协同控制 | 第52-62页 |
| 4.1 双摄像机系统概述 | 第52-53页 |
| 4.2 双摄像机标定的方法原理 | 第53-58页 |
| 4.2.1 双摄像机系统的标定 | 第53-56页 |
| 4.2.2 查表法标定双摄像机的原理 | 第56-57页 |
| 4.2.3 运动摄像机对目标的缩放控制 | 第57-58页 |
| 4.3 双摄像机协同控制的策略 | 第58-61页 |
| 4.3.1 双摄像机协同控制的概述 | 第58-59页 |
| 4.3.2 双摄像机协同控制的流程 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 双摄像机协同特定类目标识别系统的设计与实现 | 第62-70页 |
| 5.1 系统的硬件平台 | 第62-63页 |
| 5.1.1 系统的硬件平台搭建 | 第62-63页 |
| 5.1.2 系统硬件的配置 | 第63页 |
| 5.2 系统的软件平台 | 第63-66页 |
| 5.2.1 系统的软件功能模块 | 第64-65页 |
| 5.2.2 系统的界面设计 | 第65-66页 |
| 5.3 实验结果与分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结束语 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者在学期间取得的学术成果 | 第77页 |
