| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 目标检测与跟踪问题 | 第11-12页 |
| 1.3 粒子滤波器算法研究现状 | 第12-13页 |
| 1.4 本文的工作 | 第13页 |
| 1.5 本文内容安排 | 第13-15页 |
| 第2章 经典视频目标跟踪算法 | 第15-20页 |
| 2.1 帧间差分法 | 第15页 |
| 2.2 背景差分法 | 第15-16页 |
| 2.3 光流法 | 第16-17页 |
| 2.4 运动模板 | 第17页 |
| 2.5 均值漂移法 | 第17-18页 |
| 2.6 Kalman滤波算法 | 第18-20页 |
| 第3章 经典运动目标检测算法实现 | 第20-27页 |
| 3.1 光流法 | 第20-21页 |
| 3.1.1 金字塔Lucas-Kanade光流算法 | 第20-21页 |
| 3.1.2 Horn-Schunck光流算法 | 第21页 |
| 3.2 均值漂移算法 | 第21-23页 |
| 3.2.1 Mean Shift算法 | 第21-22页 |
| 3.2.2 Camshift算法 | 第22-23页 |
| 3.3 运动模板算法 | 第23-24页 |
| 3.4 Kalman滤波器 | 第24-25页 |
| 3.5 经典目标检测算法总结 | 第25-27页 |
| 第4章 非线性目标跟踪算法 | 第27-35页 |
| 4.1 扩展卡尔曼滤波器(EKF) | 第27-28页 |
| 4.2 无迹卡尔曼滤波器(UKF) | 第28-31页 |
| 4.3 粒子滤波器 | 第31-34页 |
| 4.3.1 贝叶斯估计 | 第31-32页 |
| 4.3.2 蒙特卡罗方法 | 第32页 |
| 4.3.3 序贯重要性重采样粒子滤波器 | 第32-33页 |
| 4.3.4 粒子滤波算法实现过程 | 第33-34页 |
| 4.4 UPF算法 | 第34-35页 |
| 第5章 基于改进UPF的紫外电晕视频跟踪 | 第35-43页 |
| 5.1 电晕目标状态模型 | 第36页 |
| 5.2 关键步骤 | 第36-43页 |
| 5.2.1 初始化 | 第36-37页 |
| 5.2.2 粒子更新 | 第37页 |
| 5.2.3 权值计算 | 第37-38页 |
| 5.2.4 遮挡判断 | 第38-39页 |
| 5.2.5 权值归一化和重采样 | 第39-40页 |
| 5.2.6 算法流程 | 第40-43页 |
| 第6章 实验结论 | 第43-49页 |
| 第7章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55页 |