摘要 | 第1-5页 |
Abstract | 第5-10页 |
第一章 绪论 | 第10-19页 |
·研究背景和意义 | 第10页 |
·视觉跟踪技术的研究现状 | 第10-15页 |
·视觉跟踪技术的技术难点 | 第15-16页 |
·论文的主要研究工作 | 第16-17页 |
·论文的研究目标 | 第16页 |
·论文的主要创新点 | 第16-17页 |
·论文的结构安排 | 第17-19页 |
第二章 目标跟踪方法与理论基础 | 第19-31页 |
·粒子滤波算法原理 | 第19-24页 |
·动态空间模型 | 第19-20页 |
·贝叶斯滤波原理 | 第20页 |
·粒子滤波基本原理 | 第20-23页 |
·基本粒子滤波算法步骤 | 第23页 |
·粒子滤波算法技术特点分析 | 第23-24页 |
·Mean Shift 算法原理 | 第24-30页 |
·基本 Mean Shift 定义 | 第25页 |
·引入核函数概念的 Mean Shift 扩展 | 第25-27页 |
·Mean Shift 算法在视觉跟踪中的应用 | 第27-29页 |
·基本 Mean Shift 目标跟踪算法步骤 | 第29页 |
·Mean Shift 算法技术特点分析 | 第29-30页 |
·本章总结 | 第30-31页 |
第三章 基于状态空间提升的视觉跟踪改进算法 | 第31-62页 |
·球粒子滤波视频跟踪算法 | 第31-45页 |
·引言 | 第31-32页 |
·粒子滤波及存在问题分析 | 第32-33页 |
·算法改进思路分析 | 第33-37页 |
·本节算法详细步骤 | 第37页 |
·实验结果及分析 | 第37-44页 |
·本节小结 | 第44-45页 |
·多区域采样目标跟踪算法 | 第45-53页 |
·引言 | 第45页 |
·系统状态转移模型 | 第45-46页 |
·多区域采样跟踪算法 | 第46-48页 |
·本节算法详细步骤 | 第48-49页 |
·实验结果与分析 | 第49-53页 |
·本节小结 | 第53页 |
·抗遮挡自适应粒子滤波目标跟踪方法 | 第53-61页 |
·引言 | 第53-54页 |
·系统状态转移模型 | 第54页 |
·自适应粒子采样 | 第54-55页 |
·粒子权重计算 | 第55-56页 |
·状态估计及遮挡恢复 | 第56-57页 |
·本节算法步骤 | 第57-58页 |
·实验结果与分析 | 第58-61页 |
·本节小结 | 第61页 |
·本章小结 | 第61-62页 |
第四章 基于 Mean Shift 理论的视觉跟踪改进算法 | 第62-84页 |
·基于特征贡献度的 Mean Shift 视频跟踪算法 | 第62-71页 |
·引言 | 第62-63页 |
·目标模型特征表征 | 第63-66页 |
·相似性度量 | 第66页 |
·重要性特征结构二值分布图 | 第66-67页 |
·Mean Shift 向量 | 第67页 |
·本节跟踪算法描述 | 第67-68页 |
·实验结果与分析 | 第68-71页 |
·本节小结 | 第71页 |
·双环 Mean Shift 视频跟踪算法 | 第71-83页 |
·引言 | 第71-72页 |
·Mean Shift 算法存在问题分析 | 第72-74页 |
·双环 Mean Shift 视觉跟踪算法 | 第74-78页 |
·本节算法详细步骤 | 第78-79页 |
·实验结果与分析 | 第79-82页 |
·本节小结 | 第82-83页 |
·本章小结 | 第83-84页 |
第五章 基于局部特征组合的目标跟踪算法 | 第84-97页 |
·引言 | 第84-85页 |
·系统状态转移模型 | 第85页 |
·局部特征计算 | 第85-88页 |
·Haar 小波特征提取方法 | 第85-86页 |
·HOG 特征提取方法 | 第86-87页 |
·LBP 特征提取方法 | 第87-88页 |
·系统观测模型 | 第88-89页 |
·本章算法步骤 | 第89-90页 |
·实验结果与分析 | 第90-96页 |
·本章小语 | 第96-97页 |
第六章 总结与展望 | 第97-100页 |
·本文总结 | 第97-98页 |
·研究展望 | 第98-100页 |
致谢 | 第100-101页 |
参考文献 | 第101-110页 |
附录 | 第110-111页 |
附录 1:攻读博士学位期间撰写的与课题相关的科研论文情况 | 第110-111页 |
附录 2:攻读博士学位期间参与科研项目情况 | 第111页 |