| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究的背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于数据驱动的目标跟踪方法 | 第15-16页 |
| 1.2.2 基于模型驱动的目标跟踪方法 | 第16-17页 |
| 1.3 多目标跟踪的技术难点 | 第17-18页 |
| 1.4 论文主要研究内容及章节安排 | 第18-21页 |
| 第二章 多目标跟踪基本理论 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 基于贝叶斯滤波的跟踪算法 | 第21-28页 |
| 2.2.1 贝叶斯滤波理论 | 第21-23页 |
| 2.2.2 卡尔曼滤波 | 第23-24页 |
| 2.2.3 粒子滤波 | 第24-28页 |
| 2.3 均值漂移算法 | 第28-31页 |
| 2.3.1 无参核密度估计 | 第28-29页 |
| 2.3.2 均值漂移向量 | 第29-31页 |
| 2.4 模糊C均值聚类算法 | 第31-32页 |
| 2.4.1 模糊C均值聚类原理 | 第31-32页 |
| 2.4.2 模糊C均值聚类步骤 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于自适应分块的多目标跟踪 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 自适应分块目标模型建立 | 第33-36页 |
| 3.2.1 目标分块方法 | 第33-35页 |
| 3.2.2 基于灰度投影的自适应分块 | 第35-36页 |
| 3.3 基于FCM聚类的粒子滤波多目标跟踪框架 | 第36-37页 |
| 3.4 基于子块融合的粒子权重计算 | 第37-38页 |
| 3.5 实验结果及分析 | 第38-42页 |
| 3.5.1 PETS09-S2L1视频序列多目标跟踪结果 | 第38-40页 |
| 3.5.2 White视频序列多目标跟踪结果 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于自适应分块的多特征融合多目标跟踪 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 目标特征的选取 | 第43-46页 |
| 4.2.1 颜色直方图特征 | 第44-45页 |
| 4.2.2 方向梯度直方图特征 | 第45-46页 |
| 4.3 基于自适应分块的多特征融合 | 第46-49页 |
| 4.3.1 多特征融合策略 | 第46-48页 |
| 4.3.2 基于自适应分块多特征融合的目标模型 | 第48-49页 |
| 4.3.3 基于自适应分块多特征融合的粒子权重计算 | 第49页 |
| 4.4 融入粒子空间信息的子块权重更新 | 第49-50页 |
| 4.5 特征模型更新 | 第50-52页 |
| 4.5.1 特征模型更新的必要性 | 第50-51页 |
| 4.5.2 特征模型更新策略 | 第51-52页 |
| 4.6 实验结果及分析 | 第52-56页 |
| 4.6.1 相似目标相互遮挡情况下的多目标跟踪结果 | 第52-54页 |
| 4.6.2 遮挡情况下的子块权重变化情况 | 第54页 |
| 4.6.3 目标形变情况下的多目标跟踪结果 | 第54-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来研究展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67-69页 |
| 攻读学位期参与的科研项目 | 第69-70页 |
| 学位论文评阅及答辩情况表 | 第70页 |
