| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景及研究的目的和意义 | 第9-10页 |
| ·国内外主要研究现状 | 第10-13页 |
| ·本文主要内容和章节安排 | 第13-15页 |
| 第2章 运动目标跟踪基础 | 第15-31页 |
| ·Meanshift 算法 | 第15-20页 |
| ·均值偏移算法原理 | 第15-17页 |
| ·Meanshift 在运动目标跟踪中的应用 | 第17-20页 |
| ·Kalman 滤波预测 | 第20-24页 |
| ·Kalman 滤波原理简介 | 第20-22页 |
| ·将 Kalman 滤波器用于预测跟踪 | 第22-24页 |
| ·粒子滤波器 | 第24-30页 |
| ·贝叶斯滤波原理 | 第25-28页 |
| ·粒子滤波器 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于 LBP 和 Meanshift 的中心加权目标跟踪算法 | 第31-41页 |
| ·局部纹理描述符 | 第31页 |
| ·前景提取 | 第31-32页 |
| ·基于 LBP 特征的运动目标跟踪算法 | 第32-34页 |
| ·基于 LBP 和 Meanshift 的中心加权的目标跟踪算法 | 第34-36页 |
| ·仿真实验分析 | 第36-40页 |
| ·实验 1 | 第36-38页 |
| ·实验 2 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于 LLC 和粒子滤波器的目标跟踪算法 | 第41-56页 |
| ·LLC 编码方式 | 第41-42页 |
| ·局部特征提取算法 | 第42-49页 |
| ·Harris 角点检测算法 | 第42-43页 |
| ·SUSAN 角点检测算法 | 第43-45页 |
| ·SIFT 局部特征描述符 | 第45-49页 |
| ·分类判断准则 | 第49-50页 |
| ·基于 LLC 和粒子滤波器的目标跟踪算法 | 第50-51页 |
| ·仿真实验分析 | 第51-54页 |
| ·实验 1 | 第51-53页 |
| ·实验 2 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |