基于粒子滤波的多目标跟踪算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·论文的研究工作及创新 | 第10-11页 |
| ·论文结构安排 | 第11-13页 |
| 第二章 目标跟踪技术综述 | 第13-22页 |
| ·引言 | 第13页 |
| ·目标跟踪的两种思路 | 第13-16页 |
| ·目标跟踪算法的分类 | 第16-22页 |
| ·基于运动分析的方法 | 第16-18页 |
| ·基于图像匹配的方法 | 第18-22页 |
| 第三章 粒子滤波算法理论 | 第22-35页 |
| ·引言 | 第22页 |
| ·贝叶斯滤波原理 | 第22-25页 |
| ·卡尔曼滤波器 | 第25-27页 |
| ·粒子滤波器 | 第27-35页 |
| ·蒙特卡罗方法 | 第27-29页 |
| ·贝叶斯重要性采样 | 第29-30页 |
| ·序贯重要性采样 | 第30-32页 |
| ·粒子滤波的退化现象 | 第32-35页 |
| 第四章 基于粒子滤波的目标跟踪算法 | 第35-48页 |
| ·目标状态转移模型 | 第35-37页 |
| ·目标视觉特征建模 | 第37-41页 |
| ·颜色模型 | 第37-40页 |
| ·融合空间信息的颜色直方图模型 | 第40-41页 |
| ·目标观测模型 | 第41-43页 |
| ·基于粒子滤波的目标跟踪算法 | 第43-48页 |
| ·跟踪算法实现 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| 第五章 基于图模型的多目标跟踪算法 | 第48-67页 |
| ·引言 | 第48-49页 |
| ·图模型理论 | 第49-53页 |
| ·图模型的表示 | 第49-52页 |
| ·图模型的推理 | 第52-53页 |
| ·基于图模型的多目标跟踪算法 | 第53-61页 |
| ·多目标图模型及推理 | 第54-57页 |
| ·Mean Shift采样策略 | 第57-60页 |
| ·多目标跟踪算法 | 第60-61页 |
| ·实验结果与分析 | 第61-67页 |
| 第六章 基于粒子滤波的人脸跟踪应用研究 | 第67-77页 |
| ·引言 | 第67-68页 |
| ·人脸跟踪技术概述 | 第68-69页 |
| ·基于粒子滤波的人脸跟踪算法 | 第69-73页 |
| ·目标运动模型 | 第70页 |
| ·观测模型 | 第70-72页 |
| ·跟踪算法 | 第72-73页 |
| ·实验结果与分析 | 第73-77页 |
| 第七章 总结与展望 | 第77-79页 |
| ·工作总结 | 第77页 |
| ·研究展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士期间发表的学术论文 | 第86-88页 |
