| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-16页 |
| 1.2.1 视觉目标跟踪的研究概况 | 第11-12页 |
| 1.2.2 粒子滤波跟踪算法的研究概况 | 第12-15页 |
| 1.2.3 均值漂移跟踪算法的研究概况 | 第15-16页 |
| 1.3 本文研究的主要内容 | 第16-17页 |
| 1.4 本文的结构安排 | 第17-18页 |
| 第2章 视频目标跟踪的非线性滤波算法分析比较 | 第18-41页 |
| 2.1 扩展卡尔曼滤波算法 | 第18-23页 |
| 2.1.1 非线性目标跟踪问题的系统模型 | 第19页 |
| 2.1.2 二阶泰勒级数展开的EKF | 第19-22页 |
| 2.1.3 一阶泰勒级数展开的EKF | 第22-23页 |
| 2.1.4 扩展卡尔曼滤波的近似性能分析 | 第23页 |
| 2.2 不敏卡尔曼滤波算法 | 第23-27页 |
| 2.2.1 不敏变换 | 第24-25页 |
| 2.2.2 不敏卡尔曼滤波算法 | 第25-26页 |
| 2.2.3 不敏卡尔曼滤波的性质特点 | 第26-27页 |
| 2.3 粒子滤波算法 | 第27-34页 |
| 2.3.1 基于蒙特卡罗方法的状态近似估计 | 第27-29页 |
| 2.3.2 粒子滤波跟踪算法 | 第29-32页 |
| 2.3.3 粒子退化现象 | 第32-33页 |
| 2.3.4 重采样 | 第33-34页 |
| 2.4 仿真和结果分析 | 第34-40页 |
| 2.4.1 系统模型和仿真条件 | 第34-35页 |
| 2.4.2 统计性能指标 | 第35-36页 |
| 2.4.3 目标跟踪的仿真结果 | 第36-38页 |
| 2.4.4 误差及性能分析 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于权重化点数重采样的改进粒子滤波算法 | 第41-55页 |
| 3.1 传统的多项式重采样算法 | 第41-42页 |
| 3.2 一种新的权重化点数重采样算法 | 第42-46页 |
| 3.3 仿真实验与分析 | 第46-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于当前统计模型的改进均值漂移跟踪算法 | 第55-68页 |
| 4.1 均值漂移目标跟踪算法 | 第55-58页 |
| 4.2 改进的均值漂移算法 | 第58-64页 |
| 4.2.1 算法分析 | 第58页 |
| 4.2.2 经典卡尔曼滤波器模型 | 第58-60页 |
| 4.2.3 当前统计模型在均值漂移跟踪算法中的应用 | 第60-64页 |
| 4.3 实验与分析 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士期间发表的学术论文和参与的科研项目 | 第75页 |