| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 英文缩略语表 | 第9-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 跟踪技术的发展 | 第10-12页 |
| 1.2.2 跟踪技术的分类 | 第12-13页 |
| 1.3 主要方法概述与研究难点 | 第13-16页 |
| 1.3.1 主要方法概述 | 第13-15页 |
| 1.3.2 研究难点 | 第15-16页 |
| 1.4 本文研究内容与组织结构 | 第16-18页 |
| 第2章 粒子滤波算法 | 第18-27页 |
| 2.1 粒子滤波算法发展 | 第18-19页 |
| 2.2 粒子滤波算法 | 第19-26页 |
| 2.2.1 蒙特卡洛方法 | 第20页 |
| 2.2.2 贝叶斯重要性采样 | 第20-21页 |
| 2.2.3 序列化重要性采样 | 第21-23页 |
| 2.2.4 粒子退化现象 | 第23页 |
| 2.2.5 重要性密度函数的选择 | 第23-24页 |
| 2.2.6 粒子滤波算法描述及实验结果 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 图像特征选取 | 第27-35页 |
| 3.1 运动目标检测 | 第27-30页 |
| 3.1.1 运动目标差分方法 | 第28-29页 |
| 3.1.2 运动特征提取 | 第29-30页 |
| 3.2 颜色特征 | 第30-33页 |
| 3.2.1 基于颜色直方图的特征提取 | 第30-31页 |
| 3.2.2 基于二阶直方图的颜色特征提取 | 第31-33页 |
| 3.3 边缘特征 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于多特征融合的粒子滤波跟踪算法 | 第35-47页 |
| 4.1 跟踪目标模型初始化 | 第35-36页 |
| 4.2 粒子初始化 | 第36-37页 |
| 4.3 系统模型预测过程 | 第37页 |
| 4.4 粒子权值更新过程 | 第37-39页 |
| 4.4.1 颜色特征提取 | 第38页 |
| 4.4.2 边缘特征提取 | 第38-39页 |
| 4.4.3 运动特征提取 | 第39页 |
| 4.5 自适应特征融合过程 | 第39-41页 |
| 4.5.1 跟踪目标特征可信度 | 第39-40页 |
| 4.5.2 特征融合方法 | 第40-41页 |
| 4.6 重采样过程 | 第41页 |
| 4.7 算法流程 | 第41-42页 |
| 4.8 算法结果 | 第42-46页 |
| 4.9 本章小结 | 第46-47页 |
| 第5章 基于粒子滤波和均值偏移相结合的目标跟踪算法 | 第47-60页 |
| 5.1 引入均值偏移的意义 | 第47页 |
| 5.2 均值偏移 | 第47-50页 |
| 5.2.1 mean shift推导 | 第48-49页 |
| 5.2.2 mean shift的收敛性分析 | 第49-50页 |
| 5.3 一种结合粒子滤波与均值偏移的多特征跟踪算法 | 第50-53页 |
| 5.3.1 基本原理 | 第50页 |
| 5.3.2 初始化 | 第50-51页 |
| 5.3.3 粒子状态转移 | 第51页 |
| 5.3.4 粒子更新 | 第51-52页 |
| 5.3.5 多特征融合 | 第52页 |
| 5.3.6 结合算法的部分重采样方法 | 第52-53页 |
| 5.4 算法流程 | 第53-54页 |
| 5.5 算法结果 | 第54-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60-61页 |
| 6.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |