| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·目标跟踪技术研究意义和研究现状 | 第8-9页 |
| ·目标跟踪方法综述 | 第9-12页 |
| ·基于分割的方法 | 第10-11页 |
| ·基于视窗的方法 | 第11-12页 |
| ·论文主要研究内容以及创新点 | 第12-14页 |
| 2 基于相关的目标跟踪算法研究及改进 | 第14-23页 |
| ·图像匹配基本原理和方法 | 第14-15页 |
| ·MCD跟踪算法 | 第15-17页 |
| ·基本原理 | 第15-16页 |
| ·实验分析 | 第16-17页 |
| ·结论 | 第17页 |
| ·序贯相似性快速检测(SSDA) | 第17-18页 |
| ·改进的快速SSDA算法 | 第18-22页 |
| ·降分辨率提取特征点 | 第18页 |
| ·算法流程 | 第18-19页 |
| ·模板更新 | 第19页 |
| ·实验分析 | 第19-22页 |
| ·结论 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 Mean-shift跟踪算法及其改进 | 第23-44页 |
| ·Mean-shift基本理论 | 第23-27页 |
| ·Mean shift的基本形式 | 第23-24页 |
| ·扩展的Mean shift | 第24-26页 |
| ·Mean Shift的物理含义 | 第26-27页 |
| ·Mean shift算法应用于目标跟踪 | 第27-34页 |
| ·目标模型的建立 | 第28页 |
| ·候选目标模型的建立 | 第28页 |
| ·相似性度量函数 | 第28-29页 |
| ·算法推导 | 第29-30页 |
| ·模板更新策略 | 第30-31页 |
| ·实验结果分析 | 第31-33页 |
| ·结论 | 第33-34页 |
| ·基于kalman预测的Mean shift跟踪算法 | 第34-40页 |
| ·Kalman预测器理论 | 第34-35页 |
| ·Kalman预测应用于跟踪 | 第35-36页 |
| ·实验结果分析 | 第36-40页 |
| ·结论 | 第40页 |
| ·基于HSV色彩模型的Mean shift跟踪算法 | 第40-43页 |
| ·HSV色彩空间 | 第40-41页 |
| ·基于HSV色彩空间的跟踪方法 | 第41页 |
| ·实验结果分析 | 第41-43页 |
| ·结论 | 第43页 |
| ·本章小结 | 第43-44页 |
| 4 基于粒子滤波的跟踪方法研究及改进 | 第44-64页 |
| ·蒙特卡罗方法 | 第44-48页 |
| ·贝叶斯滤波原理 | 第44-46页 |
| ·蒙特卡罗方法 | 第46-48页 |
| ·粒子滤波器 | 第48-51页 |
| ·贝叶斯重要性采样 | 第48-49页 |
| ·顺序重要性采样 | 第49-50页 |
| ·退化现象 | 第50-51页 |
| ·基于颜色直方图的粒子滤波器跟踪算法 | 第51-56页 |
| ·系统状态转移模型建模 | 第52页 |
| ·系统观测模型建模 | 第52-53页 |
| ·目标位置的确定 | 第53-54页 |
| ·重采样 | 第54页 |
| ·实验结果分析 | 第54-56页 |
| ·基于Mean shift和粒子滤波器的综合算法 | 第56-63页 |
| ·Mean shift算法回顾 | 第56-58页 |
| ·度量因子 | 第58-59页 |
| ·算法流程 | 第59页 |
| ·实验结果分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |