均值平移算法在目标跟踪中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·选题背景和研究意义 | 第8页 |
| ·目标跟踪算法综述 | 第8-10页 |
| ·本人的主要工作和成果 | 第10-11页 |
| ·各章简介 | 第11-12页 |
| 第2章 均值平移算法理论 | 第12-21页 |
| ·引言 | 第12页 |
| ·核函数定义及性质 | 第12-13页 |
| ·均值平移向量 | 第13-15页 |
| ·均值平移算法的本质 | 第15-16页 |
| ·在函数优化方面的应用 | 第16-21页 |
| ·对权重函数的修改 | 第17页 |
| ·核窗宽的自适应确定 | 第17-18页 |
| ·算法步骤 | 第18页 |
| ·算例及小结 | 第18-21页 |
| 第3章 基于均值平移算法的目标跟踪 | 第21-26页 |
| ·跟踪算法原理 | 第21-24页 |
| ·目标模型与候选模型 | 第21页 |
| ·相似性度量 | 第21-22页 |
| ·mean shift算法流程 | 第22-24页 |
| ·mean shift算法的特点 | 第24-26页 |
| 第4章 扩展的均值平移跟踪算法 | 第26-39页 |
| ·引言 | 第26页 |
| ·基于Kalman滤波的初始位置预测 | 第26-32页 |
| ·Kalman预测模型 | 第26-28页 |
| ·实验 | 第28-32页 |
| ·实验结果小结 | 第32页 |
| ·处理遮挡问题的鲁棒策略 | 第32-39页 |
| ·模板更新机制 | 第32-33页 |
| ·遮挡问题的处理 | 第33-35页 |
| ·实验结果与分析 | 第35-38页 |
| ·实验结果小结 | 第38-39页 |
| 第5章 总结与展望 | 第39-47页 |
| ·总结 | 第39页 |
| ·其它典型算法 | 第39-47页 |
| ·改变窗宽的大小以适应目标的尺度变化 | 第39-41页 |
| ·直方图是一种比较弱的对目标特征的描述 | 第41-43页 |
| ·目标角度的跟踪 | 第43-44页 |
| ·粒子滤波器 | 第44-45页 |
| ·粒子滤波器和均值平移算法的融合 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 附录 攻读硕士学位期间发表或录用的学术论文 | 第51-52页 |
| 致谢 | 第52页 |
