| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·动态目标跟踪研究背景及意义 | 第9-10页 |
| ·国内外研究进展 | 第10-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第二章 Mean Shift算法理论 | 第15-26页 |
| ·引言 | 第15页 |
| ·非参数密度估计理论 | 第15-19页 |
| ·参数密度估计 | 第15-16页 |
| ·非参数密度估计 | 第16-18页 |
| ·非参数估计的收敛性讨论 | 第18-19页 |
| ·Mean Shift理论 | 第19-21页 |
| ·多维空间中的非参数密度估计 | 第19-20页 |
| ·Mean Shift向量 | 第20-21页 |
| ·Mean Shift算法在目标跟踪中的应用 | 第21-25页 |
| ·目标模型的描述 | 第22-23页 |
| ·相似性函数 | 第23页 |
| ·候选目标的定位 | 第23-24页 |
| ·Mean Shift跟踪算法步骤 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于多特征融合的Mean Shift跟踪算法 | 第26-36页 |
| ·引言 | 第26页 |
| ·LBP纹理特征 | 第26-30页 |
| ·基于多特征融合的Mean Shift跟踪算法 | 第30-31页 |
| ·基于多特征融合的目标建模 | 第30-31页 |
| ·基于多特征融合的Mean Shift跟踪算法步骤 | 第31页 |
| ·实验结果 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于Mean Shift和粒子滤波的高速运动目标跟踪 | 第36-51页 |
| ·引言 | 第36页 |
| ·贝叶斯滤波原理 | 第36-37页 |
| ·蒙特卡罗方法 | 第37-38页 |
| ·粒子滤波原理 | 第38-43页 |
| ·重要性采样 | 第38-39页 |
| ·序列重要性采样 | 第39-40页 |
| ·退化现象和重采样 | 第40-41页 |
| ·基本粒子滤波算法描述 | 第41-43页 |
| ·基于多特征融合的粒子滤波跟踪算法 | 第43-46页 |
| ·基于多特征融合的目标建模 | 第43-44页 |
| ·算法具体步骤 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·基于Mean Shift和粒子滤波算法的高速运动目标跟踪 | 第46-49页 |
| ·Mean Shift算法分析 | 第46-47页 |
| ·高速运动目标的跟踪算法 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 基于改进Mean Shift算法的目标跟踪系统设计 | 第51-59页 |
| ·达芬奇技术概述 | 第51-52页 |
| ·TMS320DM6467概述 | 第52-54页 |
| ·系统硬件和软件架构 | 第54-55页 |
| ·实际应用效果 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文工作及成果总结 | 第59页 |
| ·下一步的研究工作 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间参加的项目和发表的论文 | 第68-69页 |
