| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-29页 |
| 1.1 引言 | 第13-14页 |
| 1.2 论文的研究背景 | 第14-16页 |
| 1.3 车辆跟踪研究的意义、现状及其应用 | 第16-18页 |
| 1.4 研究所涉及的主要内容与面临的难点 | 第18-21页 |
| 1.5 已有基于计算机视觉的车辆跟踪技术手段及特点 | 第21-23页 |
| 1.6 研究所采用的技术方案与路线 | 第23-26页 |
| 1.7 标准测试视频集及相关国内外主流杂志、会议 | 第26-27页 |
| 1.8 本文的结构安排 | 第27-29页 |
| 2 车辆跟踪过程中的粒子滤波算法 | 第29-52页 |
| 2.1 目标跟踪中的粒子滤波理论分析 | 第29-33页 |
| 2.2 引入前帧加权采样粒子滤波的目标跟踪算法 | 第33-39页 |
| 2.3 残差信息的分层重采样 | 第39-45页 |
| 2.3.1 目前典型的重采样算法分析 | 第39-40页 |
| 2.3.2 残差信息的分层重采样算法步骤 | 第40-41页 |
| 2.3.3 残差信息的分层重采样仿真研究 | 第41-43页 |
| 2.3.4 残差信息的分层重采样在运动车辆跟踪中的测试 | 第43-45页 |
| 2.4 车辆跟踪中的特征选择与对比分析 | 第45-50页 |
| 2.4.1 车辆跟踪过程中使用的纹理特征 | 第45-46页 |
| 2.4.2 基于纹理特征的粒子滤波跟踪评估与实验对比 | 第46-50页 |
| 2.5 本章小结 | 第50-52页 |
| 3 自相关矩阵IPCA增量学习与粒子滤波的表观模型跟踪 | 第52-68页 |
| 3.1 图像的子空间学习在车辆跟踪中的研究背景 | 第52-53页 |
| 3.2 增量主成分分析方法 | 第53-58页 |
| 3.2.1 Hall的增量主成分分析算法 | 第54-55页 |
| 3.2.2 协方差矩阵与奇异值分解的增量主成分分析算法 | 第55-56页 |
| 3.2.3 基于自相关矩阵与特征值分解的增量主成分分析算法 | 第56-58页 |
| 3.3 基于自相关矩阵IPCA增量学习算法的执行步骤 | 第58页 |
| 3.4 三种子空间增量学习方法的算法复杂度对比 | 第58-59页 |
| 3.5 自相关矩阵IPCA增量学习与粒子滤波的车辆表观模型跟踪 | 第59-62页 |
| 3.5.1 车辆跟踪涉及的模型、相关参数与解释 | 第59-61页 |
| 3.5.2 AM-IPCA粒子滤波车辆跟踪方法的执行流程 | 第61-62页 |
| 3.6 车辆跟踪实验结果与对比分析 | 第62-67页 |
| 3.7 本章小结 | 第67-68页 |
| 4 基于李群映射与IPCA增量学习的粒子滤波自适应跟踪 | 第68-85页 |
| 4.1 基于视觉方法的自适应目标跟踪 | 第68-69页 |
| 4.2 群空间在目标跟踪算法中的引入 | 第69-70页 |
| 4.3 基于仿射群组几何属性的目标跟踪 | 第70-78页 |
| 4.3.1 李群与李代数 | 第70-71页 |
| 4.3.2 基于仿射群组的目标状态、测量方程及其描述 | 第71-76页 |
| 4.3.3 粒子滤波算法中融入观测量后粒子权值的计算 | 第76-77页 |
| 4.3.4 目标特征的IPCA子空间向量更新与计算 | 第77-78页 |
| 4.4 李群映射与IPCA增量学习的自适应车辆跟踪算法执行流程 | 第78-79页 |
| 4.5 实验测试与对比分析 | 第79-83页 |
| 4.6 本章小结 | 第83-85页 |
| 5 基于Online Boosting算法及增量学习的粒子滤波跟踪 | 第85-104页 |
| 5.1 引入在线分类及增量学习的车辆跟踪研究背景 | 第85-86页 |
| 5.2 Online Boosting Incremental粒子滤波车辆跟踪算法 | 第86-95页 |
| 5.2.1 OBI粒子滤波跟踪算法的构成与执行流程 | 第86-90页 |
| 5.2.2 OBI粒子滤波算法中跟踪特征的选择 | 第90页 |
| 5.2.3 增量学习样本的检测 | 第90-93页 |
| 5.2.4 OBI粒子滤波算法中Online Boosting的弱分类器学习 | 第93页 |
| 5.2.5 OBI粒子滤波算法中参数设置及实验结果 | 第93-95页 |
| 5.3 样本相似度的半监督Online Boosting增量学习粒子滤波算法 | 第95-103页 |
| 5.3.1 SSOBI粒子滤波算法 | 第96-99页 |
| 5.3.2 跟踪算法的参数设置与实验对比 | 第99-103页 |
| 5.4 本章小结 | 第103-104页 |
| 6 融合消隐点摄像机标定与AM-IPCA算法的车辆跟踪 | 第104-120页 |
| 6.1 摄像机标定方法 | 第104-105页 |
| 6.2 B对偶空间几何中摄像机内参数初值的计算方法 | 第105-111页 |
| 6.2.1 B对偶空间几何的相关属性 | 第105-108页 |
| 6.2.2 B对偶空间下基于消隐点的内参数计算方法 | 第108-111页 |
| 6.3 摄像机标定的流程与相关参数解释 | 第111-113页 |
| 6.4 摄像机标定的实验结果与对比分析 | 第113-117页 |
| 6.5 融合消隐点摄像机标定与AM-IPCA粒子滤波算法的车辆跟踪 | 第117-119页 |
| 6.6 本章小结 | 第119-120页 |
| 7 结束语 | 第120-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-134页 |
| 附录 | 第134-135页 |
