| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 英文缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| ·课题研究的背景及意义 | 第13-14页 |
| ·视频目标跟踪的研究综述 | 第14-17页 |
| ·视频目标跟踪的难点和评价 | 第17-18页 |
| ·论文的组织安排与创新 | 第18-20页 |
| 第二章 经典跟踪算法研究 | 第20-39页 |
| ·前景检测与系统的观测模型 | 第21-26页 |
| ·前景检测 | 第21-23页 |
| ·观测模型 | 第23-26页 |
| ·贝叶斯统计算法 | 第26页 |
| ·卡尔曼滤波法(Kalman filter) | 第26-30页 |
| ·基本粒子滤波(particle filter) | 第30-32页 |
| ·MCMC算法 | 第32-35页 |
| ·实验结果与分析 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第三章 RJMCMC、AMCMC粒子滤波和FOE | 第39-52页 |
| ·RJMCMC算法 | 第39-41页 |
| ·AMCMC滤波算法 | 第41-43页 |
| ·FOE | 第43-45页 |
| ·采用FOE的MCMC跟踪算法 | 第45-48页 |
| ·实验仿真与结果分析 | 第48-50页 |
| ·小结 | 第50-52页 |
| 第四章 Metropolis Hastings算法及其改进 | 第52-62页 |
| ·M-H方法 | 第52-54页 |
| ·贪婪算法 | 第54-56页 |
| ·贪婪算法用于M-H过程 | 第56-57页 |
| ·实验结果及分析 | 第57-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于Meanshift方法的MCMC改进 | 第62-74页 |
| ·Meanshift算法基础 | 第62-64页 |
| ·核密度估计的问题 | 第64-65页 |
| ·Meanshift扩展形式 | 第65-66页 |
| ·Mean Shift算法步骤 | 第66-67页 |
| ·Meanshift进行目标跟踪 | 第67-68页 |
| ·MCMC与Meanshift的结合 | 第68-70页 |
| ·实验结果与分析 | 第70-73页 |
| ·小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士期间发表论文 | 第82-83页 |
| 学位论文评阅及答辩情况表 | 第83页 |