| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 视频跟踪背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 章节安排以及创新点介绍 | 第14-16页 |
| 第2章 视频目标跟踪算法概述 | 第16-27页 |
| 2.1 目标表示法 | 第16-17页 |
| 2.2 视频跟踪算法分类方法 | 第17-18页 |
| 2.3 贝叶斯滤波算法 | 第18-26页 |
| 2.3.1 卡尔曼滤波 | 第21-22页 |
| 2.3.2 粒子滤波算法 | 第22-26页 |
| 2.3.2.1 粒子滤波原理 | 第22-23页 |
| 2.3.2.2 粒子滤波算法的优势 | 第23页 |
| 2.3.2.3 粒子滤波跟踪过程 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 相似目标遮挡情况下的粒子滤波视频跟踪算法 | 第27-50页 |
| 3.1 经典粒子滤波算法存在问题 | 第27页 |
| 3.2 遮挡问题中改进方案的提出 | 第27-29页 |
| 3.3 相似颜色遮挡时跟踪的方案 | 第29-31页 |
| 3.4 基于HSV颜色空间计算相似度算法的改进 | 第31-38页 |
| 3.4.1 基于RGB颜色空间的8顶点颜色类量化方法计算颜色相似度 | 第32-34页 |
| 3.4.1.1 RGB颜色空间定义 | 第32页 |
| 3.4.1.2 RGB空间彩色立方体切片算法 | 第32-33页 |
| 3.4.1.3 颜色空间量化 | 第33页 |
| 3.4.1.4 空间中任意两个颜色点相似度计算方法 | 第33-34页 |
| 3.4.2 改进后相似性的计算 | 第34-36页 |
| 3.4.3 实验分析及结论 | 第36-38页 |
| 3.5 改进后粒子滤波算法 | 第38-43页 |
| 3.5.1 基于颜色和梯度方向的多观察模型 | 第39-40页 |
| 3.5.2 基于梯度方向的观察模型 | 第40-42页 |
| 3.5.3 自适应更新参考目标模型 | 第42-43页 |
| 3.6 仿真实验结果与分析 | 第43-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第4章 目标完全遮挡情况下的粒子滤波视频跟踪算法 | 第50-64页 |
| 4.1 完全遮挡问题的描述 | 第50-51页 |
| 4.2 基于粒子滤波的抗遮挡模型 | 第51-52页 |
| 4.3 改进后算法实现视频跟踪过程 | 第52-55页 |
| 4.3.1 基于局部动态模版预测 | 第53-54页 |
| 4.3.2 基于动态分块模版的更新 | 第54-55页 |
| 4.4 完全遮挡的处理 | 第55-58页 |
| 4.5 实验结果以及分析 | 第58-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 进一步工作方向 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |