| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 目标检测算法研究 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 分类器的选择 | 第14-19页 |
| 2.2.1 Adaboost算法原理 | 第15-16页 |
| 2.2.2 Adaboost算法理论 | 第16-18页 |
| 2.2.3 Adaboost算法改进 | 第18-19页 |
| 2.3 特征的选择 | 第19-23页 |
| 2.3.1 EOH特征 | 第20-22页 |
| 2.3.2 EOH特征分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 多目标跟踪算法研究 | 第24-39页 |
| 3.1 引言 | 第24-25页 |
| 3.2 粒子滤波数学理论 | 第25-30页 |
| 3.2.1 贝叶斯滤波 | 第25-26页 |
| 3.2.2 蒙特卡罗采样 | 第26页 |
| 3.2.3 重要性采样 | 第26-27页 |
| 3.2.4 序列重要性采样 | 第27-29页 |
| 3.2.5 重采样 | 第29-30页 |
| 3.3 粒子滤波在红外线多目标跟踪中的具体算法设计 | 第30-38页 |
| 3.3.1 贝叶斯框架下的跟踪算法 | 第30-35页 |
| 3.3.2 多目标跟踪的蒙特卡罗实现 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 实验结果与分析 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 分类器实验分析 | 第39-44页 |
| 4.2.1 分类器分类结果分析 | 第39-42页 |
| 4.2.2 行人检测 | 第42-44页 |
| 4.3 红外线目标检测与跟踪 | 第44-48页 |
| 4.3.1 算法流程图 | 第44-45页 |
| 4.3.2 实验结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介 | 第55页 |