复杂环境下基于粒子滤波的多特征融合目标跟踪算法研究
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状综述 | 第13-16页 |
| 1.2.1 目标跟踪算法的研究现状 | 第13-16页 |
| 1.2.2 粒子滤波算法的研究现状 | 第16页 |
| 1.3 复杂环境下目标跟踪的难点 | 第16-17页 |
| 1.4 本文的内容及组织架构 | 第17-19页 |
| 第2章 目标跟踪算法理论研究 | 第19-30页 |
| 2.1 粒子滤波算法的基本原理 | 第19-24页 |
| 2.1.1 贝叶斯滤波方法 | 第19-20页 |
| 2.1.2 蒙特卡罗方法 | 第20-21页 |
| 2.1.3 序贯重要性采样方法 | 第21-22页 |
| 2.1.4 基于粒子滤波算法的目标跟踪 | 第22-24页 |
| 2.2 Ada Boost算法的基本原理 | 第24-29页 |
| 2.2.1 Haar-like特征与积分图 | 第25-28页 |
| 2.2.2 基于Ada Boost的目标检测 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于数值积分的逆映射采样粒子滤波 | 第30-38页 |
| 3.1 基于进化策略的数值积分算法 | 第30-32页 |
| 3.2 基于数值积分的逆映射采样粒子滤波 | 第32-33页 |
| 3.3 仿真实验及结果分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 自适应多特征融合目标跟踪算法 | 第38-50页 |
| 4.1 多特征自适应融合目标模型 | 第38-42页 |
| 4.1.1 特征选择与提取 | 第38-40页 |
| 4.1.2 特征权值度量函数 | 第40-41页 |
| 4.1.3 自适应观测模型 | 第41-42页 |
| 4.2 模版更新策略 | 第42-44页 |
| 4.3 算法实现 | 第44-45页 |
| 4.4 仿真实验及结果分析 | 第45-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 多特征自适应检测跟踪算法 | 第50-59页 |
| 5.1 多特征自适应检测跟踪算法 | 第50-53页 |
| 5.1.1 级联Ada Boost分类器的构建 | 第50-52页 |
| 5.1.2 目标状态的判断及处理 | 第52-53页 |
| 5.2 算法实现流程 | 第53-54页 |
| 5.3 仿真实验及结果分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 参与科研项目和发表的学术论文 | 第65页 |
