| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·研究意义及背景 | 第10-12页 |
| ·相关技术及研究进展 | 第12-20页 |
| ·最优估计与卡尔曼滤波算法 | 第12-14页 |
| ·从贝叶斯滤波到粒子滤波 | 第14-17页 |
| ·混合系统滤波 | 第17-19页 |
| ·基于视频的目标跟踪 | 第19-20页 |
| ·本文的主要研究内容及章节安排 | 第20-23页 |
| 第2章 目标跟踪技术相关理论研究 | 第23-41页 |
| ·引言 | 第23页 |
| ·动态状态空间模型 | 第23-25页 |
| ·卡尔曼滤波算法 | 第25-27页 |
| ·非线性高斯系统的 Kalman 滤波算法 | 第27页 |
| ·贝叶斯滤波估计 | 第27-29页 |
| ·粒子滤波理论 | 第29-40页 |
| ·蒙特卡洛算法介绍 | 第30-31页 |
| ·序贯蒙特卡洛重要性抽样 SIS | 第31-34页 |
| ·粒子滤波基本思想和算法流程 | 第34-36页 |
| ·粒子退化现象与重采样算法 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 基于 KALMAN 重要性抽样的聚类粒子滤波目标跟踪算法 | 第41-64页 |
| ·粒子滤波实时性分析及其优化方向 | 第41-44页 |
| ·粒子滤波实时性分析 | 第41-42页 |
| ·重要性分布函数的优化 | 第42-44页 |
| ·Kalman 重要性抽样 | 第44-47页 |
| ·Kalman 滤波与贝叶斯滤波的关系 | 第44-45页 |
| ·基于 Kalman 重要性抽样的优化粒子滤波算法 | 第45-47页 |
| ·基于视频的 Kalman 重要性抽样粒子滤波算法 | 第47-55页 |
| ·Kalman 滤波发散及抑制 | 第48-49页 |
| ·系统模型的建立 | 第49-50页 |
| ·基于颜色直方图的观测似然模型 | 第50-53页 |
| ·基于 Kalman 重要性抽样的视频跟踪算法流程 | 第53-55页 |
| ·基于均值漂移聚类的粒子分布优化 | 第55-58页 |
| ·实验结果及分析 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第4章 基于联合特征的边缘粒子滤波目标跟踪算法 | 第64-83页 |
| ·引言 | 第64-66页 |
| ·Rao-Blackwellization 边缘化技术 | 第66-67页 |
| ·基于联合颜色-位置特征的边缘粒子滤波算法 | 第67-71页 |
| ·重要性权值的计算 | 第69页 |
| ·PDA Kalman 滤波算法 | 第69-71页 |
| ·目标颜色特征模型的建立 | 第71-76页 |
| ·参数化建模方法 | 第71-72页 |
| ·基于核密度估计的颜色模型 | 第72-76页 |
| ·观测似然模型的构建 | 第76-78页 |
| ·基于联合特征边缘粒子滤波算法流程 | 第78-79页 |
| ·实验结果及分析 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 实时目标跟踪算法在智能交通监控中的应用 | 第83-98页 |
| ·引言 | 第83-84页 |
| ·基于目标跟踪技术的智能交通视频监控 | 第84-92页 |
| ·智能交通视频监控系统分析 | 第85-87页 |
| ·车辆目标跟踪的实现 | 第87-88页 |
| ·基于目标跟踪的车辆实线并道违章行为检测 | 第88-91页 |
| ·基于目标跟踪的车辆转向预测 | 第91-92页 |
| ·摄像机网络中的目标接力跟踪 | 第92-97页 |
| ·摄像机之间存在视野重叠 | 第93-95页 |
| ·摄像机之间不存在视野重叠 | 第95-97页 |
| ·本章小结 | 第97-98页 |
| 结论 | 第98-100页 |
| 参考文献 | 第100-110页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第110-111页 |
| 致谢 | 第111-112页 |
| 作者简介 | 第112页 |
