特征融合粒子滤波视频跟踪方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 视频目标跟踪研究现状 | 第15-17页 |
| 1.2.1 典型跟踪方法概述 | 第15-16页 |
| 1.2.2 视频目标跟踪的难点 | 第16-17页 |
| 1.3 本文研究内容及章节安排 | 第17-18页 |
| 第二章 粒子滤波理论概述 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 贝叶斯滤波算法 | 第18-23页 |
| 2.2.1 贝叶斯估计建模 | 第18-19页 |
| 2.2.2 贝叶斯估计的递归解 | 第19-21页 |
| 2.2.3 目标跟踪的贝叶斯表达 | 第21-23页 |
| 2.3 标准粒子滤波算法 | 第23-31页 |
| 2.3.1 蒙特卡洛近似思想 | 第24-25页 |
| 2.3.2 序贯重要性采样 | 第25-27页 |
| 2.3.3 重要性函数的选取 | 第27-28页 |
| 2.3.4 权值退化的度量及重采样 | 第28-30页 |
| 2.3.5 标准粒子滤波算法的实现 | 第30-31页 |
| 2.4 粒子滤波视频跟踪框架 | 第31-33页 |
| 2.4.1 状态空间模型 | 第31-32页 |
| 2.4.2 观测模型 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于多特征融合的粒子滤波视频跟踪算法 | 第34-50页 |
| 3.1 引言 | 第34页 |
| 3.2 特征描述存在的不足 | 第34页 |
| 3.3 常用目标特征观测模型 | 第34-39页 |
| 3.3.1 颜色特征的观测模型 | 第34-36页 |
| 3.3.2 纹理特征的观测模型 | 第36-39页 |
| 3.4 多度量自适应特征融合策略 | 第39-41页 |
| 3.5 基于融合的粒子滤波算法 | 第41-47页 |
| 3.5.1 多度量自适应特征融合粒子滤波算法 | 第41-42页 |
| 3.5.2 实验结果与分析 | 第42-47页 |
| 3.6 本章小结 | 第47-50页 |
| 第四章 基于优化的粒子滤波视频跟踪算法 | 第50-66页 |
| 4.1 引言 | 第50页 |
| 4.2 粒子滤波算法的不足 | 第50-51页 |
| 4.3 增强型粒子群算法 | 第51-55页 |
| 4.3.1 粒子群算法 | 第51-53页 |
| 4.3.2 ELPSO算法 | 第53-55页 |
| 4.4 基于ELPSO优化的粒子滤波算法 | 第55-64页 |
| 4.4.1 基于ELPSO优化的粒子滤波算法 | 第55-57页 |
| 4.4.2 实验结果与分析 | 第57-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76页 |
