首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于粒子滤波的目标跟踪算法研究及DirectShow实现

摘要第1-4页
Abstract第4-8页
1 绪论第8-14页
   ·课题的研究背景及意义第8-9页
   ·目标跟踪的研究现状第9-10页
   ·粒子滤波的发展及研究现状第10-12页
   ·本文的主要内容及章节安排第12-14页
2 DirectShow技术及应用第14-24页
   ·DirectShow概述第14-18页
     ·DirectShow体系结构第14-16页
     ·DirectShow工作流程第16-18页
   ·DirectShow程序开发第18-24页
     ·DirectShow开发环境配置第18-19页
     ·Filter的开发第19-21页
     ·Filter属性页的开发第21-24页
3 粒子滤波的基本理论及在目标跟踪中的应用第24-42页
   ·引言第24页
   ·背景知识第24-26页
     ·贝叶斯滤波第25-26页
     ·蒙特卡罗方法第26页
   ·粒子滤波的理论知识第26-32页
     ·重要性采样第26-27页
     ·序列重要性采样第27-29页
     ·退化问题和重采样原理第29页
     ·粒子滤波算法的描述第29-30页
     ·基本粒子滤波算法存在的问题第30-32页
   ·基于彩色核直方图的粒子滤波跟踪算法第32-37页
     ·目标状态空间和系统转换模型第32-33页
     ·目标模型和系统观察模型的建立第33-34页
     ·目标定位第34页
     ·重采样第34-35页
     ·模板更新第35页
     ·跟踪算法第35-37页
   ·实验结果分析第37-41页
   ·本章小结第41-42页
4 粒子滤波跟踪算法的改进第42-62页
   ·引言第42-43页
   ·辅助粒子滤波跟踪算法第43-46页
     ·辅助粒子滤波第43-44页
     ·跟踪算法的描述第44-46页
   ·基于均值偏移嵌入式辅助粒子滤波的跟踪算法第46-52页
     ·算法分析及基本思路第46-47页
     ·核密度估计第47-48页
     ·均值偏移算法第48-50页
     ·均值偏移算法和辅助粒子滤波算法的融合第50-51页
     ·跟踪算法的描述第51-52页
   ·基于K-means、均值偏移嵌入式辅助粒子滤波的跟踪算法第52-57页
     ·算法的基本思路第52-54页
     ·K-means算法第54-55页
     ·跟踪算法的实现第55-57页
   ·实验结果与分析第57-62页
5 总结与展望第62-64页
致谢第64-65页
参考文献第65-68页

论文共68页,点击 下载论文
上一篇:基于高清图像的卡口车辆信息识别系统的设计与实现
下一篇:基于MES的物流实训系统的研究与设计