| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·视频目标跟踪的发展及现状 | 第10页 |
| ·视频目标跟踪方法简述 | 第10-11页 |
| ·粒子滤波跟踪算法研究现状 | 第11-12页 |
| ·论文的创新点以及内容安排 | 第12-14页 |
| 2 粒子滤波理论 | 第14-20页 |
| ·引言 | 第14页 |
| ·从贝叶斯估计到粒子滤波 | 第14-18页 |
| ·贝叶斯估计 | 第14-15页 |
| ·Monte Carlo 积分 | 第15-16页 |
| ·贝叶斯重要性采样（BIS） | 第16页 |
| ·序贯重要性采样（sequential importance sampling,SIS） | 第16-17页 |
| ·权值退化(Degeneracy)与重采样（Resampling） | 第17-18页 |
| ·标准粒子滤波算法 | 第18页 |
| ·标准粒子滤波的缺陷 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 粒子滤波视频目标跟踪算法 | 第20-24页 |
| ·引言 | 第20页 |
| ·建立运动模型 | 第20页 |
| ·建立观测模型 | 第20-21页 |
| ·算法的具体实现步骤 | 第21-22页 |
| ·标准粒子滤波视频目标跟踪中的技术难点 | 第22-23页 |
| ·粒子滤波算法固有的缺陷 | 第22页 |
| ·遮挡问题 | 第22-23页 |
| ·跟踪目标快速运动问题 | 第23页 |
| ·本章小结 | 第23-24页 |
| 4 基于云自适应粒子群优化粒子滤波的视频目标跟踪 | 第24-36页 |
| ·引言 | 第24页 |
| ·PSO 粒子滤波算法（PSOPF） | 第24-25页 |
| ·改进的云自适应粒子群算法（CAPSO） | 第25-27页 |
| ·云模型理论 | 第25页 |
| ·改进的 CAPSO 算法 | 第25-27页 |
| ·CAPSOPF 算法及其在视频目标跟踪中的具体实现过程 | 第27-28页 |
| ·目标遮挡和目标快速运动情况的解决 | 第28-29页 |
| ·仿真结果比较与分析 | 第29-34页 |
| ·跟踪效果及分析 | 第29-32页 |
| ·跟踪精度和计算量分析 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 5 基于佳点集 QMC 粒子滤波算法及其在视频目标跟踪中的应用 | 第36-45页 |
| ·引言 | 第36页 |
| ·QMCPF 算法 | 第36-37页 |
| ·QMC 方法 | 第36-37页 |
| ·QMCPF 算法具体步骤 | 第37页 |
| ·基于佳点集拟蒙特卡洛的粒子滤波算法(GPS-QMCPF) | 第37-39页 |
| ·佳点集理论 | 第38页 |
| ·GPS-QMCPF 算法的优点 | 第38-39页 |
| ·GPS-QMCPF 的计算步骤 | 第39-40页 |
| ·仿真结果比较与分析 | 第40-44页 |
| ·单变量非静态增长模型 | 第40-41页 |
| ·在视频目标跟踪中的效果和计算量分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 6 总结与展望 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间发表的学术论文目录 | 第54-55页 |
| 攻读硕士期间参与的科研项目 | 第55页 |
