| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及发展态势 | 第14-15页 |
| 1.3 目标跟踪算法概述 | 第15-17页 |
| 1.4 本文的主要研究内容 | 第17-19页 |
| 第二章 算法仿真与实现的软硬件平台 | 第19-33页 |
| 2.1 流程划分 | 第19-21页 |
| 2.2 算法仿真 | 第21-22页 |
| 2.3 算法实现 | 第22-25页 |
| 2.3.1 Matlab 与 C 混合编程 | 第23-24页 |
| 2.3.2 CCS 评估算法时间效率 | 第24-25页 |
| 2.4 算法优化 | 第25-28页 |
| 2.5 算法集成的软硬件平台 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 尺度自适应 MEAN SHIFT 目标跟踪算法 | 第33-54页 |
| 3.1 MEAN SHIFT 算法原理 | 第33-38页 |
| 3.1.1 问题描述 | 第34-35页 |
| 3.1.2 算法原理 | 第35-38页 |
| 3.2 尺度自适应 MEAN SHIFT 在运动物体跟踪中的应用 | 第38-47页 |
| 3.2.1 问题描述 | 第38页 |
| 3.2.2 尺度自适应 Mean Shift 算法步骤 | 第38-45页 |
| 3.2.3 算法级的优化方法 | 第45-46页 |
| 3.2.4 算法运行时间评估 | 第46-47页 |
| 3.3 系统运行结果分析 | 第47-50页 |
| 3.3.1 目标跟踪效果 | 第47-50页 |
| 3.4 尺度自适应 MEAN SHIFT 与传统 MEAN SHIFT 算法效果比较 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 卡尔曼滤波器与 MEAN SHIFT 相结合的运动目标跟踪算法 | 第54-69页 |
| 4.1 递归贝叶斯与状态空间方法 | 第54-55页 |
| 4.2 卡尔曼滤波器跟踪算法 | 第55-59页 |
| 4.2.1 卡尔曼滤波器原理 | 第55-57页 |
| 4.2.2 卡尔曼滤波器在目标跟踪中的应用 | 第57-58页 |
| 4.2.3 卡尔曼滤波器目标跟踪实验 | 第58-59页 |
| 4.3 融合卡尔曼滤波和 MEAN SHIFT 的目标跟踪算法 | 第59-65页 |
| 4.3.1 算法模型建立 | 第59-64页 |
| 4.3.2 目标快速运动情况下的跟踪 | 第64-65页 |
| 4.4 目标遮挡情况下的跟踪 | 第65-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的研究成果 | 第75-76页 |
