| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 缩略语 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| ·引言 | 第13-14页 |
| ·课题的研究背景及应用 | 第14-15页 |
| ·目标跟踪算法的研究现状 | 第15-17页 |
| ·基于运动分析的跟踪方法 | 第15-17页 |
| ·基于图像模板匹配的跟踪方法 | 第17页 |
| ·基于轮廓的跟踪方法 | 第17页 |
| ·各经典目标跟踪算法优缺点对比 | 第17-19页 |
| ·本论文的结构安排与创新 | 第19-21页 |
| 第二章 常用的目标跟踪算法 | 第21-42页 |
| ·贝叶斯统计理论 | 第22-23页 |
| ·Klaman滤波器 | 第23-25页 |
| ·粒子滤波 | 第25-28页 |
| ·MCMC粒子滤波 | 第28-30页 |
| ·RJ-MCMC粒子滤波 | 第30-34页 |
| ·Mean Shift算法 | 第34-42页 |
| ·密度估计 | 第34-36页 |
| ·基本Mean Shift定义 | 第36-37页 |
| ·扩展Mean Shift | 第37页 |
| ·Mean shift算法 | 第37-39页 |
| ·基于颜色直方图的Mean Shift目标跟踪 | 第39-42页 |
| 第三章 Kalman滤波融合Mean Shift算法的目标跟踪 | 第42-48页 |
| ·Kalman预测结合Mean Shift搜索(不考虑遮挡) | 第42-44页 |
| ·Kalman预测结合Mean Shift搜索(考虑遮挡) | 第44-45页 |
| ·结合算法的实验结果 | 第45-48页 |
| 第四章 一种改进的MCMC算法：Added MCMC(AMCMC) | 第48-55页 |
| ·改进的背景及意义 | 第48页 |
| ·算法AMCMC的思路及流程 | 第48-53页 |
| ·改进后算法的实验结果 | 第53-55页 |
| 第五章 Mean Shift优化的AMCMC算法 | 第55-63页 |
| ·Mean Shift算法引入的背景及思想 | 第55页 |
| ·Mean Shift优化的关键步骤 | 第55-56页 |
| ·Mean Shift算法优化的AMCMC算法流程 | 第56-59页 |
| ·优化后的AMCMC的跟踪实验结果 | 第59-62页 |
| ·总结 | 第62-63页 |
| 第六章 引入Kalman滤波器解决AMCMC算法中目标遮挡问题 | 第63-68页 |
| ·AMCMC算法处理交互遮挡目标能力分析 | 第63页 |
| ·Kalman滤波器的引入 | 第63-65页 |
| ·引入Kalman滤波后算法的实验结果 | 第65-68页 |
| 第七章 总结与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士研究生期间发表论文 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
