| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 光流法 | 第11-12页 |
| 1.2.2 基于贝叶斯滤波的跟踪方法 | 第12-13页 |
| 1.2.3 基于检测的跟踪方法 | 第13-14页 |
| 1.2.4 目标特征表达 | 第14-15页 |
| 1.3 本文主要研究工作及章节安排 | 第15-16页 |
| 第二章 视觉跟踪技术相关理论与基础知识 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 视觉跟踪的一般过程 | 第16-18页 |
| 2.2.1 视觉跟踪面临的主要问题 | 第16-17页 |
| 2.2.2 视觉跟踪的一般过程 | 第17-18页 |
| 2.3 外观模型概述 | 第18-23页 |
| 2.3.1 全局表示法 | 第18-20页 |
| 2.3.2 局部表示法 | 第20-22页 |
| 2.3.3 小结 | 第22-23页 |
| 2.4 跟踪模型 | 第23-27页 |
| 2.4.1 时间序列状态的贝叶斯估计 | 第23-25页 |
| 2.4.2 目标跟踪的贝叶斯估计模型 | 第25-26页 |
| 2.4.3 目标跟踪的贝叶斯滤波 | 第26-27页 |
| 2.4.4 小结 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于多层显著前景块模型的贝叶斯目标跟踪 | 第28-45页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于多层显著前景块模型和多层背景块模型的外观模型 | 第29-32页 |
| 3.2.1 多层显著前景块模型 | 第29-32页 |
| 3.2.2 多层背景块模型 | 第32页 |
| 3.3 在线贝叶斯目标跟踪 | 第32-36页 |
| 3.3.1 前景概率 | 第33-34页 |
| 3.3.2 在线贝叶斯目标跟踪 | 第34-35页 |
| 3.3.3 在线模板更新 | 第35-36页 |
| 3.4 实验结果 | 第36-44页 |
| 3.4.1 定性分析 | 第37-39页 |
| 3.4.2 定量分析 | 第39-43页 |
| 3.4.3 实验结论 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于目标前景统计形态模型的目标跟踪 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 前景背景分类理论 | 第45-46页 |
| 4.3 前景背景模型初始化 | 第46-47页 |
| 4.4 基于前景置信度的目标前景统计形态模型 | 第47-48页 |
| 4.4.1 前景背景分类 | 第47页 |
| 4.4.2 基于前景置信度的目标前景统计形态模型 | 第47-48页 |
| 4.5 基于目标前景统计形态模型的目标跟踪 | 第48-50页 |
| 4.5.1 跟踪 | 第48-49页 |
| 4.5.2 更新 | 第49-50页 |
| 4.6 实验结果 | 第50-55页 |
| 4.6.1 定性实验结果 | 第50-52页 |
| 4.6.2 定量实验结果 | 第52-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的科研成果 | 第65页 |