| 摘要 | 第5-7页 |
| ABSTRACT (英文摘要) | 第7-8页 |
| 第一章 绪论 | 第11-30页 |
| 1.1 目标跟踪算法的研究背景与意义 | 第11-12页 |
| 1.1.1 目标跟踪算法的应用前景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-25页 |
| 1.2.1 自顶向下的方法:状态空间法 | 第12-16页 |
| 1.2.1.1 跟踪问题建模 | 第12-13页 |
| 1.2.1.2 贝叶斯框架下模型求解 | 第13-14页 |
| 1.2.1.3 卡曼滤波 | 第14-15页 |
| 1.2.1.4 粒子滤波 | 第15-16页 |
| 1.2.2 自低向上的方法 | 第16-25页 |
| 1.2.2.1 基于Mean-Shift的跟踪算法 | 第16-19页 |
| 1.2.2.2 基于在线形态模型的跟踪算法 | 第19-21页 |
| 1.2.2.3 基于前景背景分类思想的跟踪算法 | 第21-25页 |
| 1.3 本文中将挑战的跟踪问题难点及解决之道 | 第25-28页 |
| 1.3.1 本文中将挑战的跟踪问题难点 | 第25-27页 |
| 1.3.2 解决之道 | 第27-28页 |
| 1.4 本章小结 | 第28-30页 |
| 第二章 基于局部特征点的目标跟踪算法 | 第30-45页 |
| 2.1 局部特征点概述 | 第30-32页 |
| 2.2 SURF跟踪概述 | 第32页 |
| 2.3 有相关跟踪算法 | 第32-33页 |
| 2.4 特征运动 | 第33-38页 |
| 2.4.1 生成模型 | 第33-34页 |
| 2.4.2 在线学习 | 第34-35页 |
| 2.4.3 基于图匹配的特征点匹配 | 第35-38页 |
| 2.5 算法框架 | 第38页 |
| 2.6 遮挡检测 | 第38-39页 |
| 2.7 试验结果 | 第39-41页 |
| 2.8 本章小结 | 第41-45页 |
| 第三章 基于水平集的目标跟踪算法 | 第45-53页 |
| 3.1 水平集介绍 | 第45-46页 |
| 3.2 已有相关跟踪算法 | 第46页 |
| 3.3 嵌入水平集的集成跟踪 | 第46-47页 |
| 3.4 试验结果 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 本文总结 | 第53-54页 |
| 4.2 跟踪技术展望 | 第54-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62-63页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第63-66页 |
| 上海交通大学硕士学位论文答辩决议书 | 第66页 |