| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 视觉跟踪技术的研究现状 | 第10-16页 |
| 1.2.1 目标表示方法 | 第11-13页 |
| 1.2.2 基于视觉目标跟踪的跟踪算法 | 第13-15页 |
| 1.2.3 跟踪算法面临的问题 | 第15-16页 |
| 1.3 论文主要的内容 | 第16-19页 |
| 第二章 基本理论与方法 | 第19-41页 |
| 2.1 引言 | 第19页 |
| 2.2 状态空间模型 | 第19-20页 |
| 2.3 贝叶斯理论 | 第20-21页 |
| 2.4 粒子滤波 | 第21-30页 |
| 2.4.1 Monte Carlo 方法 | 第22-23页 |
| 2.4.2 重要性采样 | 第23-24页 |
| 2.4.3 序贯重要性采样 | 第24-26页 |
| 2.4.4 粒子退化 | 第26-28页 |
| 2.4.5 详细粒子滤波算法流程 | 第28页 |
| 2.4.6 视觉跟踪中的粒子滤波算法 | 第28-30页 |
| 2.5 均值漂移理论 | 第30-35页 |
| 2.5.1 密度估计理论 | 第30-33页 |
| 2.5.2 均值漂移向量 | 第33-35页 |
| 2.6 视觉跟踪中的均值漂移算法 | 第35-40页 |
| 2.6.1 基于颜色特征直方图的目标描述 | 第35-36页 |
| 2.6.2 候选目标颜色特征模型 | 第36-37页 |
| 2.6.3 颜色特征相似度计算 | 第37-38页 |
| 2.6.4 目标的定位 | 第38-39页 |
| 2.6.5 均值漂移算法详细流程 | 第39-40页 |
| 2.7 小结 | 第40-41页 |
| 第三章 基于均值漂移自适应聚类范围的粒子滤波算法 | 第41-57页 |
| 3.1 引言 | 第41页 |
| 3.2 均值漂移算法的聚类作用 | 第41-42页 |
| 3.3 聚类与重采样的先后顺序对性能影响的分析 | 第42页 |
| 3.4 聚类范围的设计 | 第42-44页 |
| 3.5 系统动态模型 | 第44-45页 |
| 3.6 系统观测模型 | 第45-50页 |
| 3.6.1 目标颜色特征模型 | 第45-46页 |
| 3.6.2 候选目标颜色特征模型 | 第46-47页 |
| 3.6.3 颜色特征相似度计算及简化算法 | 第47-48页 |
| 3.6.4 颜色-空间二维特征模型 | 第48-49页 |
| 3.6.5 空间特征相似度的计算 | 第49-50页 |
| 3.7 粒子更新 | 第50-51页 |
| 3.8 粒子重采样 | 第51页 |
| 3.9 完整算法流程 | 第51-52页 |
| 3.10 实验及结果分析 | 第52-56页 |
| 3.10.1 不同聚类方法的结果对比 | 第52-54页 |
| 3.10.2 短时间遮挡目标的跟踪 | 第54-56页 |
| 3.11 小结 | 第56-57页 |
| 第四章 基于均值漂移聚类和校正的自适应粒子数的粒子滤波算法 | 第57-67页 |
| 4.1 引言 | 第57页 |
| 4.2 粒子数以及重采样范围的自适应调节原理 | 第57-58页 |
| 4.3 均值漂移邻域搜索的实时性分析 | 第58-59页 |
| 4.4 快速搜索策略的设计 | 第59-60页 |
| 4.5 算法具体过程 | 第60-61页 |
| 4.6 实验及结果分析 | 第61-66页 |
| 4.6.1 长时间遮挡目标的跟踪 | 第61-62页 |
| 4.6.2 快速运动小目标的跟踪 | 第62-66页 |
| 4.7 小结 | 第66-67页 |
| 第五章 结论 | 第67-69页 |
| 5.1 论文总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |