| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·引言 | 第9页 |
| ·课题研究意义 | 第9-11页 |
| ·视觉目标跟踪的实现方法 | 第11-12页 |
| ·国内外研究概况及发展趋势 | 第12-14页 |
| ·课题研究的难点 | 第14-15页 |
| ·本文的主贡献及创新点 | 第15-16页 |
| ·本论文的结构安排 | 第16-18页 |
| 第二章 粒子滤波理论 | 第18-32页 |
| ·引言 | 第18-19页 |
| ·状态空间模型 | 第19-20页 |
| ·贝叶斯滤波原理 | 第20-22页 |
| ·最优估计算法—卡尔曼滤波 | 第22-23页 |
| ·粒子滤波(Particle Filter)算法 | 第23-30页 |
| ·蒙特卡罗方法 | 第23-26页 |
| ·蒙特卡罗方法背景及发展史 | 第23页 |
| ·蒙特卡罗方法的基本原理及思想 | 第23-24页 |
| ·蒙特卡罗方法基本步骤 | 第24-25页 |
| ·蒙特卡罗方法的特点 | 第25-26页 |
| ·粒子滤波基本原理 | 第26页 |
| ·贝叶斯重要性采样 | 第26-27页 |
| ·序贯重要性采样 | 第27-28页 |
| ·退化现象与重采样 | 第28-29页 |
| ·基本粒子滤波算法描述 | 第29-30页 |
| ·粒子滤波跟踪算法的优点和技术难点 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于MCD 和局部线性高斯模型的视频跟踪粒子滤波算法 | 第32-44页 |
| ·引言 | 第32页 |
| ·光流场运动分析法 | 第32-35页 |
| ·系统模型估算 | 第35-37页 |
| ·基于光流场的状态方程和过程噪声协方差矩阵估计 | 第35-36页 |
| ·基于MCD 的观测模型及测量噪声协方差矩阵估计 | 第36-37页 |
| ·高似然观测区域估算 | 第37页 |
| ·本章算法描述 | 第37-38页 |
| ·本章仿真实验结果与分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于新颖相似度的视觉跟踪算法 | 第44-51页 |
| ·引言 | 第44页 |
| ·粒子滤波算法回顾及本章采用算法流程说明 | 第44-45页 |
| ·基于新颖直方图相似度计算 | 第45-46页 |
| ·基于HSV 颜色空间相似度计算 | 第46-47页 |
| ·相似度融合 | 第47页 |
| ·本章仿真实验结果与分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 视觉跟踪中模板匹配相似度指标研究 | 第51-57页 |
| ·引言 | 第51页 |
| ·图像匹配问题分析 | 第51-53页 |
| ·r、g、b 计算多对一缺陷描述 | 第51-52页 |
| ·模板匹配缺陷描述 | 第52-53页 |
| ·基于模糊隶属度的颜色值 | 第53页 |
| ·模板匹配相似度指标 | 第53-54页 |
| ·本章仿真实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文总结 | 第57页 |
| ·研究展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第66页 |