| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于目标检测的方法 | 第10-12页 |
| ·基于目标识别的跟踪方法 | 第12-13页 |
| ·基于目标跟踪的矫正方法 | 第13-14页 |
| ·论文的主要工作及结构安排 | 第14-16页 |
| 第二章 粒子滤波相关理论知识 | 第16-29页 |
| ·基于贝叶斯估计方法 | 第16-19页 |
| ·贝叶斯估计 | 第16-17页 |
| ·贝叶斯意义下的状态估计 | 第17-19页 |
| ·基于蒙特卡洛方法 | 第19-21页 |
| ·蒙特卡洛估计 | 第19-20页 |
| ·重要性采样 | 第20-21页 |
| ·粒子滤波基本知识 | 第21-23页 |
| ·粒子滤波算法 | 第21-23页 |
| ·标准粒子滤波方法 | 第23页 |
| ·粒子滤波的状态方程预测方法 | 第23-27页 |
| ·Camshift 跟踪目标算法 | 第24-25页 |
| ·卡尔曼滤波跟踪目标算法 | 第25-26页 |
| ·灰度系统预测 | 第26-27页 |
| ·粒子滤波的重采样 | 第27-28页 |
| ·多项式重采样 | 第27页 |
| ·残差重采样 | 第27-28页 |
| ·分层重采样 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于改进 Camshift 的粒子滤波目标跟踪 | 第29-46页 |
| ·粒子滤波算法 | 第30-31页 |
| ·粒子滤波具体的应用 | 第30页 |
| ·粒子重采样 | 第30-31页 |
| ·初始值为 x(1)~x(n)的平均值的 GM | 第31-32页 |
| ·改进的 Camshift 算法 | 第32-33页 |
| ·视频跟踪具体的实现流程 | 第33-34页 |
| ·实验结果与分析 | 第34-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于改进 LSSVR 粒子滤波目标跟踪 | 第46-62页 |
| ·卡尔曼粒子滤波算法 | 第46-49页 |
| ·粒子滤波器 | 第46页 |
| ·粒子滤波器重采样 | 第46-47页 |
| ·卡尔曼跟踪模型 | 第47页 |
| ·卡尔曼粒子滤波 | 第47-49页 |
| ·改进的 LSSVR 算法 | 第49-52页 |
| ·LSSVR 的介绍 | 第49页 |
| ·改进的 LSSVR | 第49-51页 |
| ·改进的 LSSVR 矫正跟踪目标 | 第51-52页 |
| ·改进的 LSSVR 粒子滤波跟踪算法 | 第52-54页 |
| ·跟踪算法步骤 | 第52-53页 |
| ·跟踪算法流程图 | 第53-54页 |
| ·实验结果 | 第54-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |