| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·目标跟踪的研究现状 | 第12-14页 |
| ·目标跟踪的难点 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 目标跟踪常用算法概述 | 第16-25页 |
| ·卡尔曼滤波算法 | 第16-20页 |
| ·扩展卡尔曼滤波 | 第17-18页 |
| ·无迹卡尔曼滤波 | 第18-20页 |
| ·Tracking by Detection 跟踪算法 | 第20-22页 |
| ·Kanade-Lucas-Tomasi(KLT)跟踪算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 局部特征 | 第25-35页 |
| ·传统跟踪特征 | 第25-27页 |
| ·颜色特征 | 第25-26页 |
| ·SIFT 特征 | 第26-27页 |
| ·shape context 特征 | 第27-32页 |
| ·图像预处理 | 第27-28页 |
| ·特征提取 | 第28-31页 |
| ·不变性和鲁棒性 | 第31-32页 |
| ·模板更新 | 第32-33页 |
| ·算法流程 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于 shape context 特征和粒子滤波的目标跟踪 | 第35-50页 |
| ·粒子滤波 | 第35-39页 |
| ·高阶粒子滤波 | 第37-38页 |
| ·无迹粒子滤波 | 第38-39页 |
| ·目标模型 | 第39-40页 |
| ·算法总体流程 | 第40-41页 |
| ·实验结果 | 第41-44页 |
| ·算法评估 | 第44-46页 |
| ·改进算法 | 第46-49页 |
| ·多部分 shape context 模型 | 第46-47页 |
| ·全自动跟踪 | 第47页 |
| ·基于全局表示和局部特征的跟踪方法 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 结论总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
