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

视频跟踪的粒子滤波算法研究与实现

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-16页
   ·研究背景第10-11页
   ·国内外发展情况第11-14页
   ·研究意义第14页
   ·论文组织结构第14-16页
第2章 相关知识介绍第16-26页
   ·粒子滤波原理第16-23页
     ·贝叶斯滤波第16-18页
     ·蒙特卡罗方法第18-19页
     ·重要性采样第19-21页
     ·序列重要性采样第21-22页
     ·粒子退化问题第22-23页
     ·重采样第23页
     ·重要性密度函数选择第23页
   ·MeanShift原理第23-24页
   ·光流与Lucas-Kanade算法第24-25页
   ·小结第25-26页
第3章 基于颜色特征的粒子滤波跟踪算法第26-44页
   ·粒子滤波算法及实现第26-35页
     ·粒子模型第26-27页
     ·状态转移模型第27页
     ·粒子初始化第27-28页
     ·粒子状态预测第28-29页
     ·粒子权值计算第29-31页
     ·跟踪估计第31-32页
     ·重采样第32-33页
     ·目标模型更新第33-34页
     ·算法流程第34-35页
   ·测试与分析第35-42页
     ·测试环境第35-36页
     ·测试1—粒子数对跟踪效果的影响第36-37页
     ·测试2—跟踪过程中特征的变化第37-38页
     ·测试3—目标模型更新前后特征的变化第38-39页
     ·测试4—跟踪准确率评测第39-41页
     ·测试5—跟踪失败分析第41-42页
   ·小结第42-44页
第4章 粒子滤波跟踪算法的改进第44-54页
   ·粒子滤波融合MeanShift算法第44-46页
   ·改进算法1测试与分析第46-49页
     ·测试1—少量粒子的有效跟踪第46-47页
     ·测试2—跟踪准确率评测第47-48页
     ·测试3—改进前后跟踪效果对比第48-49页
   ·粒子滤波融合LK算法第49-51页
   ·改进算法2测试与分析第51-53页
     ·测试4—跟踪效果第51-52页
     ·测试5—跟踪准确率评测第52-53页
   ·小结第53-54页
第5章 粒子滤波算法并行化实现第54-64页
   ·粒子滤波算法的并行化处理第54-59页
     ·粒子初始化第55-56页
     ·粒子状态预测第56-57页
     ·粒子权值计算第57-58页
     ·跟踪估计第58-59页
     ·重采样第59页
   ·测试与分析第59-62页
     ·测试1—100个粒子测试第59-60页
     ·测试2—1000个粒子测试第60-61页
     ·测试3—2000个粒子测试第61-62页
   ·小结第62-64页
第6章 结束语第64-66页
   ·工作总结第64-65页
   ·未来工作展望第65-66页
参考文献第66-70页
致谢第70-72页
攻读学位期间发表论文情况第72-74页
附录A 其它视频测试效果第74-75页

论文共75页,点击 下载论文
上一篇:能介管理计算机系统的设计与实现
下一篇:基于多特征的医学影像分类算法的设计与实现