| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-15页 |
| ·课题研究的背景 | 第10-11页 |
| ·课题研究的意义 | 第10页 |
| ·视频目标跟踪在国内外的研究现状 | 第10-11页 |
| ·算法综述 | 第11-15页 |
| 2 线性滤波器 | 第15-25页 |
| ·线性滤波 | 第15-16页 |
| ·线性滤波简介 | 第15-16页 |
| ·卡尔曼滤波器 | 第16-17页 |
| ·卡尔曼滤波器发展概况 | 第16-17页 |
| ·卡尔曼滤波器 | 第17页 |
| ·扩展卡尔曼滤波器(EKF)及其改进算法 | 第17-20页 |
| ·扩展卡尔曼滤波器 | 第17-20页 |
| ·基于U变换的卡拉曼滤波器 | 第20-25页 |
| ·U变换的基本原理 | 第20-21页 |
| ·基于U变换原理的UKF设置 | 第21-25页 |
| 3 基于Mean Shift算法的车辆跟踪方法研究 | 第25-37页 |
| ·Mean Shift算法及其原理 | 第25-32页 |
| ·Mean Shift算法的简介 | 第25页 |
| ·Mean Shift算法描述 | 第25-27页 |
| ·多维空间下的核密度估计 | 第27-28页 |
| ·Mean Shift向量 | 第28-29页 |
| ·收敛性讨论 | 第29-32页 |
| ·Mean Shift跟踪算法 | 第32-37页 |
| ·常用目标匹配法 | 第32-33页 |
| ·Mean Shif-基于颜色空间的匹配算法 | 第33-34页 |
| ·Mean Shift跟踪算法流程 | 第34-35页 |
| ·基于Mean Shift算法的跟踪实验 | 第35-37页 |
| 4 粒子滤波器与Mean Shift算法 | 第37-46页 |
| ·非线性滤波器 | 第37-41页 |
| ·非线性滤波概述 | 第37-38页 |
| ·蒙特卡洛法的概述 | 第38-41页 |
| ·粒子滤波 | 第41-44页 |
| ·粒子滤波的基本原理 | 第41页 |
| ·重要性抽样与重采样过程 | 第41-44页 |
| ·粒子滤波与Mean Shift关于视频车辆跟踪的比较 | 第44-46页 |
| 5 Mean Shift改进算法 | 第46-55页 |
| ·在尺度空间上的改进算法 | 第46-53页 |
| ·尺度空间上目标的空间尺度核 | 第46-50页 |
| ·Mean Shift的尺度空间核 | 第50-52页 |
| ·算法的流程 | 第52-53页 |
| ·实验仿真 | 第53-55页 |
| ·不变尺度与可变尺度的对比试验 | 第53-55页 |
| 6 结论 | 第55-58页 |
| ·总结 | 第55页 |
| ·课题研究总结 | 第55页 |
| ·课题进一步研究内容 | 第55-58页 |
| ·基于Mean Shift算法的自适应目标轮廓跟踪 | 第55-56页 |
| ·基于视频的车速、流量统计 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录A 粒子滤波部分代码 | 第63-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
