| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关背景知识 | 第15-22页 |
| 2.1 目标跟踪算法分类 | 第15-16页 |
| 2.1.1 生成类目标跟踪算法 | 第15-16页 |
| 2.1.2 判别类目标跟踪算法 | 第16页 |
| 2.2 相关滤波跟踪算法原理 | 第16-17页 |
| 2.3 核相关滤波跟踪算法 | 第17-18页 |
| 2.4 粒子滤波跟踪算法 | 第18-20页 |
| 2.5 两个跟踪算法的分析 | 第20页 |
| 2.6 算法评价指标 | 第20页 |
| 2.7 本章小结 | 第20-22页 |
| 第三章 融合上下文和超像素特征的奶山羊跟踪方法研究 | 第22-31页 |
| 3.1 相关滤波跟踪器上下文模型建立 | 第23-25页 |
| 3.2 相关滤波跟踪器上下文模型更新策略 | 第25页 |
| 3.3 超像素级特征提取 | 第25-28页 |
| 3.4 实验平台及设置 | 第28页 |
| 3.5 实验结果分析与讨论 | 第28-30页 |
| 3.5.1 定量分析 | 第28-29页 |
| 3.5.2 定性分析 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 基于改进粒子滤波算法的奶山羊跟踪方法研究 | 第31-43页 |
| 4.1 粒子滤波跟踪原理 | 第31-32页 |
| 4.2 奶山羊运动模型 | 第32页 |
| 4.3 奶山羊观测模型 | 第32-36页 |
| 4.3.1 基于颜色特征的奶山羊观测模型 | 第32-34页 |
| 4.3.2 基于方向梯度直方图特征的奶山羊观测模型 | 第34-36页 |
| 4.4 自适应加权特征融合的粒子滤波跟踪算法 | 第36-40页 |
| 4.5 实验结果分析与讨论 | 第40-42页 |
| 4.5.1 定量分析 | 第40-41页 |
| 4.5.2 定性分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 作者简介 | 第49页 |