| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 目标跟踪的发展现状 | 第14-17页 |
| 1.3 本文的组织结构 | 第17-18页 |
| 第二章 常用目标跟踪算法概述 | 第18-31页 |
| 2.1 卡尔曼滤波算法 | 第18-20页 |
| 2.2 扩展的卡尔曼滤波（EKF） | 第20-21页 |
| 2.3 无迹卡尔曼滤波（UKF） | 第21-24页 |
| 2.3.1 无迹变换（UT） | 第22-23页 |
| 2.3.2 无迹卡尔曼滤波 | 第23-24页 |
| 2.4 粒子滤波（PF） | 第24-27页 |
| 2.4.1 重采样 | 第25-26页 |
| 2.4.2 样本贫化现象： | 第26页 |
| 2.4.3 重要性密度的选择： | 第26-27页 |
| 2.4.4 粒子滤波算法的概述 | 第27页 |
| 2.5 无迹粒子滤波 | 第27-30页 |
| 2.5.1 贝叶斯序贯重要性采样： | 第28-29页 |
| 2.5.2 选择重采样： | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 图像特征 | 第31-41页 |
| 3.1 图像特征的概述 | 第31-32页 |
| 3.2 图像特征的提取 | 第32-33页 |
| 3.3 角点检测 | 第33-37页 |
| 3.3.1 harris 角点检测 | 第34-35页 |
| 3.3.2 FAST 角点检测 | 第35-37页 |
| 3.4 图像特征的描述---BRIEF 算法 | 第37-40页 |
| 3.5 本章总结 | 第40-41页 |
| 第四章 基于 ORB 特征和粒子滤波的目标跟踪算法 | 第41-53页 |
| 4.1 ORB 特征 | 第41-44页 |
| 4.1.1 oFAST 算法的引入 | 第41-42页 |
| 4.1.2 sBRIEF 算法的引入 | 第42-44页 |
| 4.2 目标模型 | 第44-45页 |
| 4.3 算法的总体流程 | 第45-46页 |
| 4.4 实验结果 | 第46-49页 |
| 4.5 算法评估 | 第49-50页 |
| 4.6 改进的算法 | 第50-52页 |
| 4.6.1 模块分解抗遮挡 | 第50-51页 |
| 4.6.2 压缩的方法解决时间复杂度问题 | 第51-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 结论总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 作者简介及学习期间所取得的成果 | 第60-61页 |
| 致谢 | 第61页 |