基于最优贝叶斯估计的目标识别与跟踪研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-15页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究现状 | 第11-14页 |
| ·论文主要内容 | 第14-15页 |
| 2 运动目标检测算法 | 第15-31页 |
| ·帧间差分法 | 第15-18页 |
| ·背景差分法 | 第18-19页 |
| ·运动目标检测中的背景建模 | 第19-23页 |
| ·单高斯背景模型 | 第20-21页 |
| ·基于卡尔曼滤波的背景模型 | 第21-22页 |
| ·基于时间轴滤波的背景模型 | 第22-23页 |
| ·基于高斯混合背景模型的背景差分法 | 第23-29页 |
| ·光流法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 3 目标跟踪算法 | 第31-41页 |
| ·基于特征的跟踪方法 | 第31页 |
| ·基于区域的跟踪方法 | 第31-32页 |
| ·基于活动轮廓的跟踪方法 | 第32-33页 |
| ·基于模型的跟踪方法 | 第33-34页 |
| ·基于背景差分与卡尔曼滤波的跟踪方法 | 第34-40页 |
| ·卡尔曼滤波器 | 第34-36页 |
| ·运动目标跟踪的实现过程 | 第36-39页 |
| ·基于背景差分与卡尔曼滤波跟踪算法实验结果 | 第39-40页 |
| ·小结 | 第40-41页 |
| 4 粒子滤波 | 第41-48页 |
| ·贝叶斯估计理论 | 第41-42页 |
| ·蒙特卡罗积分 | 第42-43页 |
| ·序列重要性采样 | 第43-45页 |
| ·重要性采样 | 第43-44页 |
| ·序列重要性采样SIS | 第44-45页 |
| ·粒子匮乏现象与重采样 | 第45-47页 |
| ·粒子匮乏 | 第46页 |
| ·选择步骤 | 第46页 |
| ·重采样 | 第46-47页 |
| ·选择过程中的问题 | 第47页 |
| ·小结 | 第47-48页 |
| 5 基于多区域多特征联合粒子滤波的目标跟踪算法 | 第48-62页 |
| ·基于粒子滤波的多特征融合算法 | 第48-54页 |
| ·目标运动模型 | 第50页 |
| ·目标形状模型 | 第50-51页 |
| ·目标颜色模型 | 第51页 |
| ·多特征融合及模糊推理 | 第51-54页 |
| ·基于粒子滤波的多区域联合算法 | 第54-56页 |
| ·基于多区域多特征联合粒子滤波的目标跟踪算法步骤 | 第56-58页 |
| ·实验结果 | 第58-61页 |
| ·小结 | 第61-62页 |
| 6 总结 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
