| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-38页 |
| 1.1 研究目的及意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-35页 |
| 1.2.1 视觉跟踪总论 | 第17-20页 |
| 1.2.2 目标的视觉表示 | 第20-24页 |
| 1.2.3 目标外观的统计建模 | 第24-30页 |
| 1.2.4 动估计方法 | 第30-34页 |
| 1.2.5 其他典型的研究工作 | 第34-35页 |
| 1.3 论文主要研究内容 | 第35-36页 |
| 1.4 论文组织结构 | 第36-38页 |
| 第2章 基于二阶马尔可夫假设的粒子滤波跟踪算法 | 第38-60页 |
| 2.1 引言 | 第38-40页 |
| 2.2 粒子滤波算法 | 第40-42页 |
| 2.2.1 非线性滤波问题的描述 | 第40页 |
| 2.2.2 粒子滤波算法基本原理 | 第40-42页 |
| 2.3 贝叶斯滤波跟踪框架 | 第42页 |
| 2.4 基于二阶马尔可夫假设的粒子滤波跟踪算法 | 第42-46页 |
| 2.4.1 二阶马尔可夫假设 | 第42-44页 |
| 2.4.2 马氏链后验采样 | 第44-45页 |
| 2.4.3 基于马氏链后验采样的粒子滤波跟踪算法 | 第45-46页 |
| 2.5 算法实现及实验结果分析 | 第46-58页 |
| 2.5.1 算法实现 | 第46-49页 |
| 2.5.2 定性比较 | 第49-54页 |
| 2.5.3 定量比较 | 第54-58页 |
| 2.6 本章小结 | 第58-60页 |
| 第3章 突变运动目标的视觉跟踪 | 第60-81页 |
| 3.1 引言 | 第60-62页 |
| 3.2 MCMC方法概述 | 第62-64页 |
| 3.2.1 蒙特卡罗积分 | 第62-63页 |
| 3.2.2 MCMC方法 | 第63-64页 |
| 3.3 Hamiltonian MCMC方法 | 第64-67页 |
| 3.3.1 Hamiltonian动力学 | 第64-66页 |
| 3.3.2 Hamiltonian蒙特卡罗方法 | 第66-67页 |
| 3.4 基于HMCMC的视觉跟踪方法 | 第67-70页 |
| 3.4.1 HMCMC跟踪算法 | 第67-68页 |
| 3.4.2 HMCMC跟踪算法中的Leapfrog参数 | 第68-70页 |
| 3.5 实验结果及分析 | 第70-79页 |
| 3.5.1 定性比较 | 第72-76页 |
| 3.5.2 定量比较 | 第76-79页 |
| 3.6 本章小结 | 第79-81页 |
| 第4章 有序超松弛马氏链蒙特卡罗跟踪算法 | 第81-99页 |
| 4.1 引言 | 第81-83页 |
| 4.2 背景知识 | 第83-84页 |
| 4.2.1 次序统计量相关 | 第83页 |
| 4.2.2 超松弛方法 | 第83-84页 |
| 4.2.3 有序超松弛方法 | 第84页 |
| 4.3 基于自适应有序超松弛马氏链蒙特卡罗方法的目标跟踪框架 | 第84-88页 |
| 4.3.1 有序超松弛马氏链蒙特卡罗跟踪方法 | 第84-86页 |
| 4.3.2 自适应步长 | 第86-88页 |
| 4.4 实验结果及分析 | 第88-98页 |
| 4.4.1 有序超松弛与自适应步长的优点分析 | 第89-91页 |
| 4.4.2 跟踪结果准确性分析 | 第91-93页 |
| 4.4.3 采样策略的影响 | 第93-95页 |
| 4.4.4 定性比较 | 第95-98页 |
| 4.5 本章小结 | 第98-99页 |
| 第5章 结论与展望 | 第99-102页 |
| 5.1 总结 | 第99-100页 |
| 5.2 未来展望 | 第100-102页 |
| 参考文献 | 第102-117页 |
| 攻读博士学位期间取得的研究成果 | 第117-119页 |
| 致谢 | 第119-121页 |
| 作者简介 | 第121页 |