| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文工作安排 | 第15-17页 |
| 第2章 背景知识 | 第17-25页 |
| 2.1 目标跟踪相关知识 | 第17-21页 |
| 2.1.1 目标跟踪表示 | 第17-19页 |
| 2.1.2 流行的目标跟踪算法 | 第19-20页 |
| 2.1.3 目标跟踪难点 | 第20-21页 |
| 2.2 空间推理相关知识 | 第21-24页 |
| 2.2.1 空间推理简述 | 第21页 |
| 2.2.2 空间关系形式化表示模型 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 融合 SURF 特征和 HOG 特征的特征森林的目标特征提取 | 第25-41页 |
| 3.1 SURF 特征定义及提取过程 | 第25-28页 |
| 3.2 HOG 特征定义及提取过程 | 第28-33页 |
| 3.3 融合特征森林的目标特征提取算法流程 | 第33-39页 |
| 3.3.1 动态特征词汇树 | 第33-34页 |
| 3.3.2 特征森林的构建 | 第34-36页 |
| 3.3.3 自适应分配特征权重 | 第36-39页 |
| 3.3.4 特征森林的目标特征提取算法 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于粒子滤波和空间推理的目标跟踪 | 第41-54页 |
| 4.1 目标图像粒子滤波框架 | 第41-45页 |
| 4.1.1 目标图像的重要性粒子图像采集 | 第42-44页 |
| 4.1.2 粒子图像权重更新策略 | 第44页 |
| 4.1.3 粒子图像退化和重采样 | 第44-45页 |
| 4.2 360°空间方位模型 | 第45-47页 |
| 4.3 算法总体流程 | 第47-49页 |
| 4.4 实验分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-57页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 作者简介及在学期间取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |