自适应算法在视觉目标跟踪中的应用研究
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 智能交通体系 | 第10-11页 |
| 1.3 国内外探究 | 第11-14页 |
| 第二章 跟踪算法基础 | 第14-22页 |
| 2.1 贝叶斯估算 | 第14-18页 |
| 2.1.1 先验分布 | 第15页 |
| 2.1.2 后验分布 | 第15页 |
| 2.1.3 贝叶斯滤波模型 | 第15-18页 |
| 2.2 卡尔曼滤波 | 第18-19页 |
| 2.2.1 卡尔曼滤波器原理 | 第18页 |
| 2.2.2 卡尔曼滤波器模型 | 第18-19页 |
| 2.3 均值漂移跟踪算法 | 第19-22页 |
| 2.3.1 目标模型 | 第20页 |
| 2.3.2 候选模型 | 第20页 |
| 2.3.3 相似度函数 | 第20页 |
| 2.3.4 均值漂移迭代算法 | 第20-22页 |
| 第三章 自适应窗宽均值漂移跟踪算法 | 第22-30页 |
| 3.1 均值漂移跟踪算法 | 第22-24页 |
| 3.1.1 目标模型表示 | 第22页 |
| 3.1.2 候选模型表示 | 第22-23页 |
| 3.1.3 相似度函数 | 第23页 |
| 3.1.4 均值漂移迭代算法 | 第23-24页 |
| 3.2 带宽窗口自适应问题 | 第24-25页 |
| 3.3 窗宽自适应的均值漂移跟踪算法实验 | 第25-30页 |
| 第四章 改进的均值漂移算法与卡尔曼滤波相结合 | 第30-36页 |
| 4.1 目标跟踪中的遮蔽问题 | 第30-31页 |
| 4.2 改进的均值漂移与卡尔曼滤波相结合的算法 | 第31-32页 |
| 4.3 跟踪算法实验 | 第32-36页 |
| 第五章 结论 | 第36-38页 |
| 参考文献 | 第38-44页 |
| 攻读工程硕士学位期间参与的科研项目与主要成果 | 第44-46页 |
| 致谢 | 第46页 |
