| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 创新点摘要 | 第9-11页 |
| 目录 | 第11-13页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 论文研究背景及意义 | 第13-14页 |
| 1.2 运动目标检测 | 第14-19页 |
| 1.3 运动目标跟踪 | 第19-22页 |
| 1.4 运动目标跟踪方法研究现状 | 第22-24页 |
| 1.5 运动目标检测和跟踪中存在的难点 | 第24-25页 |
| 1.6 论文主要研究内容及结构安排 | 第25-28页 |
| 第二章 人类记忆机制 | 第28-39页 |
| 2.1 引言 | 第28页 |
| 2.2 认知科学的发展 | 第28-29页 |
| 2.3 认知心理学 | 第29-30页 |
| 2.4 记忆 | 第30-35页 |
| 2.5 记忆的神经基础 | 第35-37页 |
| 2.6 基于记忆机制的认知建模 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 基于人类记忆机制的视觉信息处理认知建模 | 第39-50页 |
| 3.1 引言 | 第39页 |
| 3.2 基于人类记忆机制的视觉信息处理认知建模 | 第39-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 基于记忆的混合高斯背景建模 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 混合高斯模型 | 第50-54页 |
| 4.3 基于记忆的混合高斯模型 | 第54-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 基于人类记忆机制的鲁棒运动目标跟踪 | 第69-96页 |
| 5.1 引言 | 第69-71页 |
| 5.2 基于记忆的模板更新建模 | 第71-77页 |
| 5.3 基于 Mean shift 的运动目标跟踪 | 第77-82页 |
| 5.4 基于粒子滤波的运动目标跟踪 | 第82-95页 |
| 5.5 本章小结 | 第95-96页 |
| 第六章 基于记忆机制的双层粒子滤波方法 | 第96-103页 |
| 6.1 引言 | 第96页 |
| 6.2 双层粒子滤波算法 | 第96-99页 |
| 6.3 实验结果 | 第99-102页 |
| 6.4 本章小结 | 第102-103页 |
| 第七章 基于记忆的多智能体协同进化运动目标跟踪 | 第103-113页 |
| 7.1 引言 | 第103页 |
| 7.2 基于记忆的多智能体协同进化运动目标跟踪 | 第103-109页 |
| 7.3 实验结果及讨论 | 第109-112页 |
| 7.4 本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 1.总结 | 第113-114页 |
| 2.下一步工作展望 | 第114-115页 |
| 参考文献 | 第115-135页 |
| 攻读博士学位期间取得的研究成果 | 第135-139页 |
| 致谢 | 第139-140页 |
| 作者简介 | 第140页 |