| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·图像跟踪研究现状 | 第10-11页 |
| ·图像跟踪算法 | 第11-12页 |
| ·本文研究内容与结构安排 | 第12-14页 |
| 第二章 复杂场景下目标特征描述 | 第14-23页 |
| ·基于颜色的描述方法 | 第15-17页 |
| ·颜色空间 | 第15-16页 |
| ·颜色直方图 | 第16-17页 |
| ·基于方向的描述方法 | 第17页 |
| ·SIFT特征描述 | 第17-20页 |
| ·SIFT特征点的提取 | 第18-19页 |
| ·SIFT特征向量 | 第19-20页 |
| ·相似度函数 | 第20-21页 |
| ·各种特征的实验效果 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于粒子滤波与PSO的单目标跟踪 | 第23-43页 |
| ·粒子滤波理论 | 第24-33页 |
| ·贝叶斯滤波原理 | 第24-27页 |
| ·蒙特卡罗模拟 | 第27-30页 |
| ·提议性分布的选择 | 第30-31页 |
| ·重采样 | 第31-32页 |
| ·粒子滤波器算法流程 | 第32-33页 |
| ·Particle Swarm Optimization (PSO) | 第33-35页 |
| ·常规PSO | 第33-34页 |
| ·自适应PSO | 第34-35页 |
| ·基于粒子滤波与PSO的跟踪算法 | 第35-37页 |
| ·标准粒子滤波 | 第35-36页 |
| ·加入PSO的粒子滤波算法 | 第36-37页 |
| ·实验结果与分析 | 第37-42页 |
| ·粒子滤波粒子和经过PSO优化后的粒子比较 | 第37-38页 |
| ·粒子滤波算法和加入PSO的粒子滤波算法 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 多目标跟踪方法研究 | 第43-67页 |
| ·多目标跟踪问题描述 | 第43-44页 |
| ·数据关联 | 第44-53页 |
| ·最近邻数据关联(NNDA) | 第45-46页 |
| ·概率数据关联(PDA) | 第46-49页 |
| ·联合概率数据关联(JPDA) | 第49-53页 |
| ·其他数据关联算法 | 第53页 |
| ·关联门的选择 | 第53-55页 |
| ·MC-JPDAF算法 | 第55-58页 |
| ·JPDAF算法的基本框架 | 第55-56页 |
| ·MC-JPDAF算法推导 | 第56-58页 |
| ·基于条件随机场(CRF)和栅格滤波的多目标跟踪方法 | 第58-60页 |
| ·条件随机场(Conditional Random Fields) | 第58-59页 |
| ·栅格滤波 | 第59-60页 |
| ·实验结果与分析 | 第60-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
