摘要 | 第1-7页 |
ABSTRACT | 第7-14页 |
第一章 绪论 | 第14-28页 |
·研究目的和意义 | 第14-16页 |
·视觉跟踪的发展现状 | 第16-19页 |
·视觉跟踪的定义 | 第16-18页 |
·视觉跟踪的研究及应用现状 | 第18-19页 |
·视觉跟踪的分类 | 第19-24页 |
·确定性视觉跟踪方法 | 第20-22页 |
·概率视觉跟踪方法 | 第22-24页 |
·本文的研究内容和创新点 | 第24-28页 |
第二章 理论知识 | 第28-46页 |
·Mean shift 跟踪算法 | 第28-35页 |
·核密度估计 | 第28-29页 |
·mean shift 向量定义 | 第29-30页 |
·直方图目标模型 | 第30-32页 |
·相似性度量函数 | 第32-33页 |
·mean shift 跟踪算法 | 第33-35页 |
·粒子滤波跟踪方法 | 第35-45页 |
·贝叶斯滤波框架 | 第35-38页 |
·常用贝叶斯滤波方法 | 第38-39页 |
·粒子滤波 | 第39-45页 |
·小结 | 第45-46页 |
第三章 两种新颖的确定性跟踪方法 | 第46-82页 |
·基于图像子块的 mean shift 跟踪方法 | 第46-62页 |
·算法模型 | 第47-52页 |
·实现细节 | 第52-57页 |
·实验结果及讨论 | 第57-62页 |
·基于微分SSIM(DSSIM)的跟踪算法研究 | 第62-80页 |
·SSIM 介绍 | 第63-65页 |
·微分SSIM 跟踪方法 | 第65-69页 |
·DSSIM 算法的实验验证及结果分析 | 第69-75页 |
·加入尺度变化的S-DSSIM 跟踪算法 | 第75-80页 |
·小结 | 第80-82页 |
第四章 两种基于 mean shift 采样的粒子滤波跟踪算法 | 第82-101页 |
·基于两层观测模型的混合跟踪算法 | 第82-92页 |
·基于本征空间表示的观测模型 | 第83-85页 |
·算法概要 | 第85-86页 |
·实现细节 | 第86-88页 |
·实验结果及分析 | 第88-92页 |
·基于本征空间学习和KPF 目标跟踪 | 第92-99页 |
·核粒子滤波-KPF | 第93-94页 |
·基于本征空间模型和KPF 的跟踪算法 | 第94-95页 |
·实验结果及讨论 | 第95-99页 |
·小结 | 第99-101页 |
第五章 针对FLIR 目标的一种新的粒子滤波跟踪算法 | 第101-118页 |
·观测模型 | 第102-104页 |
·显著性模型 | 第102-104页 |
·本征空间模型 | 第104页 |
·算法的具体实现 | 第104-108页 |
·双层采样算法 | 第104-106页 |
·动态模型与发散模型 | 第106-108页 |
·实验结果及分析 | 第108-116页 |
·实验设置 | 第108页 |
·误差曲线 | 第108-110页 |
·量化分析和示例结果 | 第110-114页 |
·抗噪声干扰能力 | 第114-116页 |
·小结 | 第116-118页 |
第六章 基于图模型的多目标跟踪 | 第118-137页 |
·图模型简介 | 第119-121页 |
·均值场近似求解图模型 | 第121-125页 |
·二元马尔可夫随机场 | 第121页 |
·多目标跟踪在图模型中的定义 | 第121-123页 |
·均值场求解马尔可夫随机场 | 第123-124页 |
·均值场蒙特卡罗—MFMC | 第124-125页 |
·基于核密度估计的MFMC-KMFMC | 第125-129页 |
·基于KMFMC 的多目标跟踪算法 | 第129-130页 |
·基于单特征的多目标跟踪 | 第129-130页 |
·基于多特征的人的头部多目标跟踪 | 第130页 |
·实验结果及分析 | 第130-136页 |
·红外多目标跟踪 | 第131-134页 |
·人的头部多目标跟踪 | 第134-136页 |
·小结 | 第136-137页 |
第七章 总结与展望 | 第137-141页 |
·本文研究工作及创新点 | 第137-139页 |
·研究展望 | 第139-141页 |
参考文献 | 第141-153页 |
攻读博士学位期间已发表或录用的论文 | 第153-155页 |
攻读博士学位期间参与的科研项目 | 第155-156页 |
致谢 | 第156页 |