多外观模型自适应加权的粒子滤波目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 目标跟踪研究现状 | 第12-17页 |
| 1.2.1 国内外研究进展 | 第12-14页 |
| 1.2.2 目标跟踪的分类 | 第14-15页 |
| 1.2.3 目标跟踪面临的难题 | 第15-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织架构 | 第18-19页 |
| 2 相关背景知识 | 第19-31页 |
| 2.1 主成分分析 | 第19-22页 |
| 2.1.1 基本思想和几何意义 | 第19-20页 |
| 2.1.2 PCA的具体实现 | 第20-22页 |
| 2.2 偏最小二乘法 | 第22-26页 |
| 2.2.1 基本思想和原理 | 第22-23页 |
| 2.2.2 PLS方法的实现 | 第23-26页 |
| 2.3 粒子滤波理论 | 第26-30页 |
| 2.3.1 贝叶斯滤波 | 第26-27页 |
| 2.3.2 蒙特卡罗采样 | 第27-28页 |
| 2.3.3 序贯重要性采样 | 第28-29页 |
| 2.3.4 粒子退化和重采样 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 多外观模型自适应加权的目标跟踪算法 | 第31-42页 |
| 3.1 目标的表示 | 第31-34页 |
| 3.1.1 数据准备 | 第31-32页 |
| 3.1.2 外观模型的建立 | 第32-34页 |
| 3.2 权重自适应综合模型 | 第34-38页 |
| 3.2.1 多外观模型 | 第34-35页 |
| 3.2.2 单外观模型的特征级加权 | 第35-36页 |
| 3.2.3 外观模型级加权 | 第36-38页 |
| 3.3 跟踪的实现 | 第38-41页 |
| 3.3.1 外观模型更新策略 | 第38-39页 |
| 3.3.2 跟踪算法 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 实验结果和分析 | 第42-53页 |
| 4.1 实验数据准备 | 第42-43页 |
| 4.2 实验对比定性分析 | 第43-48页 |
| 4.3 实验对比定量分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 下一步工作 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 个人简介 | 第61页 |
