基于粒子滤波算法的目标跟踪研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·视频跟踪概述 | 第9-10页 |
| ·卡尔曼滤波和粒子滤波 | 第10-11页 |
| ·论文的主要内容 | 第11-13页 |
| 第二章 粒子滤波算法理论研究 | 第13-33页 |
| ·卡尔曼滤波 | 第13-18页 |
| ·标准卡尔曼滤波 | 第13-14页 |
| ·扩展卡尔曼滤波（EKF） | 第14-15页 |
| ·无味卡尔曼滤波（UKF） | 第15-18页 |
| ·贝叶斯理论和粒子滤波 | 第18-27页 |
| ·动态系统空间模型 | 第18-19页 |
| ·贝叶斯估计理论 | 第19-21页 |
| ·蒙特卡洛方法 | 第21-22页 |
| ·重要性采样和序列重要性采样 | 第22-24页 |
| ·重采样 | 第24-25页 |
| ·粒子滤波算法 | 第25-27页 |
| ·仿真实验分析 | 第27-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 改进粒子滤波算法 | 第33-49页 |
| ·改进重要性密度函数的算法 | 第33-36页 |
| ·扩展粒子滤波算法 | 第33-34页 |
| ·无味粒子滤波算法 | 第34-36页 |
| ·基于重采样方法的改进 | 第36-42页 |
| ·常用的四种重采样方法 | 第36-39页 |
| ·基于马尔科夫链蒙特卡洛方法的改进算法 | 第39-40页 |
| ·改进扩展粒子滤波算法 | 第40-41页 |
| ·改进无味粒子滤波算法 | 第41-42页 |
| ·仿真实验分析 | 第42-46页 |
| ·本章小结 | 第46-49页 |
| 第四章 视频跟踪算法实现 | 第49-69页 |
| ·目标运动模型 | 第51-53页 |
| ·目标观测模型 | 第53-61页 |
| ·目标颜色观测模型 | 第53-56页 |
| ·目标轮廓观测模型 | 第56-59页 |
| ·目标纹理观测模型 | 第59-60页 |
| ·多特征观测信息融合 | 第60-61页 |
| ·联合特征信息粒子滤波算法 | 第61-63页 |
| ·仿真结果与分析 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·本文总结 | 第69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 读研期间发表的论文 | 第77-78页 |
