基于粒子滤波的视频目标跟踪方法研究
| 摘要 | 第1-10页 |
| Abstract | 第10-13页 |
| 插图索引 | 第13-14页 |
| 第1章 绪论 | 第14-31页 |
| ·研究意义 | 第14-15页 |
| ·典型的智能视频监控系统综述 | 第15-17页 |
| ·系统软件界面 | 第15页 |
| ·系统工作原理 | 第15-17页 |
| ·国内外研究现状及存在的主要问题 | 第17-26页 |
| ·国内外研究现状 | 第17-19页 |
| ·主要方法概述 | 第19-26页 |
| ·基于粒子滤波算法的视频目标跟踪技术难点 | 第26页 |
| ·研究的主要内容与思路 | 第26-30页 |
| ·研究的主要内容 | 第26-28页 |
| ·研究的体系结构 | 第28页 |
| ·论文章节安排 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第2章 粒子滤波算法原理分析 | 第31-45页 |
| ·离散贝叶斯滤波方法 | 第32-33页 |
| ·标准粒子滤波算法 | 第33-41页 |
| ·蒙特卡洛近似思想 | 第34-35页 |
| ·序贯重要性采样 | 第35-36页 |
| ·权值退化及重要性函数的选取 | 第36-38页 |
| ·权值退化的度量及重采样技术 | 第38-39页 |
| ·标准粒子滤波算法实现 | 第39-41页 |
| ·实验与结果分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于模糊粒子滤波的目标跟踪方法研究 | 第45-63页 |
| ·引言 | 第45-47页 |
| ·智能视频监控跟踪方法 | 第47-53页 |
| ·背景建模 | 第47-48页 |
| ·PF算法在视频目标跟踪中的应用 | 第48-50页 |
| ·模糊颜色特征 | 第50-51页 |
| ·模糊量测信息 | 第51-52页 |
| ·算法实现 | 第52-53页 |
| ·性能评估 | 第53页 |
| ·实验与结果分析 | 第53-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于自适应无迹粒子滤波的目标跟踪方法研究 | 第63-76页 |
| ·引言 | 第63-64页 |
| ·算法原理 | 第64-68页 |
| ·无迹卡尔曼粒子滤波算法 | 第64-66页 |
| ·噪声估计方法 | 第66-67页 |
| ·滤波器的发散判断与抑制 | 第67页 |
| ·自适应UPF算法的实现 | 第67-68页 |
| ·目标跟踪实验及分析 | 第68-74页 |
| ·仿真实验 | 第68-73页 |
| ·实际视频跟踪实验 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 基于混合粒子滤波的多特征融合跟踪方法研究 | 第76-88页 |
| ·引言 | 第76-77页 |
| ·基于滤波算法的跟踪方法 | 第77页 |
| ·状态模型 | 第77页 |
| ·观测模型 | 第77页 |
| ·算法原理 | 第77-80页 |
| ·标准PF算法 | 第77-78页 |
| ·IUKF算法 | 第78-79页 |
| ·改进方法 | 第79页 |
| ·混合迭代无迹粒子滤波 | 第79-80页 |
| ·多特征自适应融合的实现 | 第80-85页 |
| ·基于颜色直方图的权值更新 | 第80-81页 |
| ·基于SIFT特征的权值更新 | 第81-83页 |
| ·多特征权值的自适应融合 | 第83-85页 |
| ·实验与结果分析 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 强复杂条件下多目标跟踪方法研究 | 第88-106页 |
| ·引言 | 第88-89页 |
| ·修正自适应积分粒子滤波算法 | 第89-95页 |
| ·积分卡尔曼滤波 | 第89页 |
| ·积分修正因子 | 第89-90页 |
| ·自适应重采样方法 | 第90页 |
| ·修正自适应粒子滤波算法步骤 | 第90-92页 |
| ·仿真结果分析 | 第92-95页 |
| ·有限中心差分粒子滤波算法 | 第95-97页 |
| ·基于有限中心差分算法的多特征融合跟踪 | 第97-100页 |
| ·跟踪模型 | 第97-98页 |
| ·权值更新 | 第98-99页 |
| ·权值融合 | 第99-100页 |
| ·实验与结果分析 | 第100-105页 |
| ·本章小结 | 第105-106页 |
| 总结与展望 | 第106-108页 |
| 参考文献 | 第108-120页 |
| 致谢 | 第120-121页 |
| 附录A 攻读学位期间所发表学术论文目录 | 第121页 |
