基于粒子滤波的目标跟踪方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.2.1 目标表示 | 第8页 |
| 1.2.2 运动模型 | 第8-9页 |
| 1.3 目标跟踪技术分类 | 第9-11页 |
| 1.4 目标跟踪技术的难点 | 第11-12页 |
| 1.5 本文的主要工作与结构 | 第12-15页 |
| 1.5.1 本文主要工作 | 第12-14页 |
| 1.5.2 本文的组织结构 | 第14-15页 |
| 第二章 相关知识 | 第15-23页 |
| 2.1 基于贝叶斯滤波的目标跟踪 | 第15-17页 |
| 2.2 粒子滤波 | 第17-20页 |
| 2.2.1 序列重要性采样 | 第17-18页 |
| 2.2.2 粒子退化与重采样 | 第18-19页 |
| 2.2.3 重要性密度函数的选择 | 第19页 |
| 2.2.4 观测似然 | 第19页 |
| 2.2.5 真实状态的估计 | 第19-20页 |
| 2.2.6 粒子滤波方法的流程 | 第20页 |
| 2.3 目标跟踪算法评价指标 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于L2范数最小化的目标跟踪算法 | 第23-41页 |
| 3.1 基于L2范数最小化的目标表观模型 | 第23-29页 |
| 3.1.1 问题的描述 | 第23页 |
| 3.1.2 基于L2范数最小化的生成式模型 | 第23-26页 |
| 3.1.3 基于L2范数最小化的判别式模型 | 第26-28页 |
| 3.1.4 联合模型 | 第28-29页 |
| 3.2 基于L2范数最小化的目标跟踪算法 | 第29-31页 |
| 3.2.1 目标的运动模型 | 第30页 |
| 3.2.2 目标的观测模型 | 第30页 |
| 3.2.3 模型的更新策略 | 第30-31页 |
| 3.3 实验设计 | 第31-39页 |
| 3.3.1 比较算法与参数设置 | 第31-32页 |
| 3.3.2 定性的评估 | 第32-35页 |
| 3.3.3 定量的评估 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于在线局部主成分分析的目标跟踪算法 | 第41-56页 |
| 4.1 增量主成分分析的方法 | 第41-45页 |
| 4.1.1 增量更新特征基和均值 | 第41-44页 |
| 4.1.2 遗忘因子 | 第44-45页 |
| 4.2 序列推断模型 | 第45-47页 |
| 4.2.1 目标的运动模型 | 第45页 |
| 4.2.2 目标的观测模型 | 第45-46页 |
| 4.2.3 距离的度量 | 第46-47页 |
| 4.3 遮挡情况的处理 | 第47-48页 |
| 4.4 基于在线局部主成分分析的目标跟踪算法 | 第48页 |
| 4.5 实验部分 | 第48-54页 |
| 4.5.1 比较算法与参数设置 | 第48页 |
| 4.5.2 定性的评估 | 第48-51页 |
| 4.5.3 定量的评估 | 第51-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 结论与展望 | 第56-58页 |
| 5.1 本文的工作内容及创新之处 | 第56页 |
| 5.2 今后工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间完成的科研情况 | 第64页 |
