| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12-15页 |
| ·论文的研究内容和创新点 | 第15-16页 |
| ·研究内容 | 第15-16页 |
| ·创新点 | 第16页 |
| ·论文的章节安排 | 第16-19页 |
| 第二章 视频跟踪与粒子滤波算法的综述 | 第19-39页 |
| ·引言 | 第19页 |
| ·视频跟踪算法 | 第19-23页 |
| ·贝叶斯状态估计 | 第23-28页 |
| ·贝叶斯估计 | 第23-24页 |
| ·贝叶斯意义下的状态估计 | 第24-28页 |
| ·卡尔曼系滤波器 | 第28-32页 |
| ·经典的卡尔曼滤波器 | 第29-30页 |
| ·扩展卡尔曼及Unscented卡尔曼滤波器 | 第30-32页 |
| ·粒子滤波算法 | 第32-37页 |
| ·蒙特卡洛(Monte Carlo)随机模拟 | 第33-34页 |
| ·标准粒子滤波 | 第34-36页 |
| ·退化和"样贫" | 第36-37页 |
| ·小结 | 第37-39页 |
| 第三章 基于免疫遗传粒子滤波算法的视频单目标跟踪 | 第39-61页 |
| ·引言 | 第39页 |
| ·视频跟踪的粒子滤波跟踪理论 | 第39-45页 |
| ·基于粒子滤波的视频跟踪框架 | 第39-42页 |
| ·常用的状态转移模型 | 第42-43页 |
| ·常用的似然模型 | 第43-45页 |
| ·标准粒子滤波跟踪算法性能分析 | 第45-46页 |
| ·基于免疫遗传算法的视频单目标跟踪 | 第46-51页 |
| ·人工免疫原理 | 第47-48页 |
| ·免疫遗传粒子滤波算法 | 第48-51页 |
| ·实验结果与分析 | 第51-59页 |
| ·小结 | 第59-61页 |
| 第四章 综合颜色和小波纹理特征的免疫粒子滤波算法 | 第61-72页 |
| ·引言 | 第61页 |
| ·图像的小波纹理特征 | 第61-64页 |
| ·图像纹理特征提取方法 | 第61-63页 |
| ·旋转复合小波纹理特征 | 第63-64页 |
| ·综合颜色和小波纹理特征的免疫粒子滤波算法 | 第64-66页 |
| ·实验仿真结果与分析 | 第66-71页 |
| ·小结 | 第71-72页 |
| 第五章 基于粒子滤波的视频多目标跟踪算法 | 第72-82页 |
| ·引言 | 第72页 |
| ·多目标跟踪及其系统模型描述 | 第72-76页 |
| ·多目标跟踪与数据联想 | 第72-75页 |
| ·多目标跟踪的难点 | 第75-76页 |
| ·粒子滤波多目标跟踪框架 | 第76-78页 |
| ·仿真结果与分析 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第六章 带MARKOV跳变的非线性多目标粒子滤波跟踪系统 | 第82-97页 |
| ·引言 | 第82页 |
| ·离散时间MARKOV跳变系统的卡尔曼滤波 | 第82-85页 |
| ·MARKOV跳变非线性系统的状态估计 | 第85-91页 |
| ·JMNSs系统的贝叶斯状态估计 | 第86-88页 |
| ·JMNSs系统基于粒子滤波的状态估计 | 第88-91页 |
| ·多目标跟踪的仿真实验 | 第91-96页 |
| ·基于粒子滤波的视频多目标跟踪 | 第91-93页 |
| ·JMNSs多视频目标跟踪的基于粒子滤波的状态估计算法流程 | 第93-94页 |
| ·仿真结果 | 第94-96页 |
| ·小结 | 第96-97页 |
| 第七章 总结与展望 | 第97-100页 |
| ·总结 | 第97-98页 |
| ·展望 | 第98-100页 |
| 参考文献 | 第100-116页 |
| 致谢 | 第116-117页 |
| 附录 | 第117-121页 |
| 附录A 攻读博士学位期间完成的学术成果 | 第117-120页 |
| 附录B 攻读博士学位期间所参与的项目 | 第120-121页 |
| 附录C 攻读博士学位期间获得的奖励和荣誉 | 第121页 |