| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-21页 |
| ·研究背景及意义 | 第10-11页 |
| ·智能交通系统 | 第11-13页 |
| ·视觉跟踪技术及研究现状 | 第13-19页 |
| ·视觉跟踪技术的应用 | 第13-16页 |
| ·国内外研究进展 | 第16-17页 |
| ·复杂环境下视觉跟踪的难点 | 第17-19页 |
| ·本文的研究内容 | 第19-21页 |
| 第2章 跟踪算法基础 | 第21-37页 |
| ·概率跟踪 | 第21-34页 |
| ·贝叶斯估计 | 第22-25页 |
| ·卡尔曼滤波 | 第25-27页 |
| ·扩展卡尔曼滤波 | 第27-28页 |
| ·无迹卡尔曼滤波 | 第28-30页 |
| ·粒子滤波 | 第30-34页 |
| ·确定性跟踪 | 第34-36页 |
| ·均值漂移跟踪算法 | 第34-35页 |
| ·均值漂移迭代算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 运动目标检测中自适应更新系数的混合高斯背景建模法 | 第37-49页 |
| ·颜色空间转换 | 第37-40页 |
| ·RGB 颜色空间 | 第38页 |
| ·HSV 颜色空间 | 第38-39页 |
| ·RGB 与 HSV 颜色空间的转换 | 第39页 |
| ·去除目标阴影的方法 | 第39-40页 |
| ·图像预处理 | 第40-41页 |
| ·运动目标检测 | 第41-45页 |
| ·帧间差分法 | 第42-43页 |
| ·混合高斯模型背景建模法 | 第43-44页 |
| ·基于自适应更新系数的 GMM 背景建模法 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于混合直方图的自适应均值漂移跟踪算法 | 第49-78页 |
| ·概率密度估计 | 第50-51页 |
| ·均值漂移算法分析 | 第51-56页 |
| ·均值漂移理论 | 第51-52页 |
| ·均值漂移目标跟踪算法模型 | 第52-54页 |
| ·均值漂移迭代算法 | 第54-55页 |
| ·均值漂移算法特征分析 | 第55-56页 |
| ·均值漂移算法存在的问题及改进 | 第56-65页 |
| ·带宽窗口自适应的跟踪方法 | 第57-59页 |
| ·遮挡情况下的目标跟踪算法 | 第59-60页 |
| ·目标表示模型的改进 | 第60-65页 |
| ·实验结果与分析 | 第65-77页 |
| ·自适应窗宽的均值漂移跟踪算法实验 | 第65-68页 |
| ·解决遮挡问题的跟踪算法实验 | 第68-73页 |
| ·基于混合直方图的目标跟踪算法实验 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 带模型误差和噪声误差的自适应卡尔曼滤波跟踪算法 | 第78-92页 |
| ·卡尔曼滤波算法分析 | 第78-82页 |
| ·系统模型 | 第79-80页 |
| ·卡尔曼最优滤波 | 第80-81页 |
| ·卡尔曼滤波器的性能分析 | 第81-82页 |
| ·带模型误差和噪声误差的自适应卡尔曼滤波算法 | 第82-85页 |
| ·滤波发散问题分析 | 第82-83页 |
| ·带模型误差和噪声误差的自适应卡尔曼滤波器 | 第83-85页 |
| ·带模型误差和噪声误差的自适应卡尔曼滤波与均值漂移相结合的跟踪算法 | 第85-87页 |
| ·实验结果与分析 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 结论 | 第92-95页 |
| 参考文献 | 第95-105页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第105-106页 |
| 致谢 | 第106-107页 |
| 作者简介 | 第107页 |
