首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

复杂场景多特征融合粒子滤波目标跟踪

摘要第4-6页
Abstract第6-8页
1 绪论第12-22页
    1.1 课题研究背景、目标及意义第12-13页
    1.2 国内外研究现状第13-18页
        1.2.1 目标跟踪方法第14-16页
            1.2.1.1 基于运动检测的目标跟踪算法第14-15页
            1.2.1.2 基于核方法的目标跟踪算法第15页
            1.2.1.3 基于滤波理论的目标跟踪算法第15-16页
        1.2.2 粒子滤波目标跟踪研究现状及存在的问题第16-18页
    1.3 论文主要工作及结构第18-22页
        1.3.1 论文主要工作第18-19页
        1.3.2 论文结构第19-22页
2 粒子滤波理论基础第22-30页
    2.1 引言第22页
    2.2 状态空间模型第22页
    2.3 贝叶斯估计理论第22-23页
    2.4 蒙特卡罗方法第23-24页
    2.5 重采样第24-25页
    2.6 相似性度量第25页
    2.7 粒子滤波目标跟踪框架第25-28页
        2.7.1 粒子滤波算法第25-27页
        2.7.2 算法步骤第27-28页
    2.8 本章小结第28-30页
3 不同场景下不同特征模型粒子滤波目标跟踪性能分析第30-66页
    3.1 引言第30页
    3.2 复杂场景描述第30-32页
    3.3 特征描述与提取第32-42页
        3.3.1 颜色特征第32-35页
            3.3.1.1 RGB颜色空间第33页
            3.3.1.2 HSV颜色空间第33-35页
        3.3.2 纹理特征第35-39页
            3.3.2.1 局部二值模式第35-38页
            3.3.2.2 Haar型局部二值模式纹理特征第38-39页
        3.3.3 角点提取第39-41页
        3.3.4 特征描述方法第41-42页
    3.4 不同场景下不同特征模型粒子滤波目标跟踪性能分析第42-43页
    3.5 实验结果分析第43-64页
    3.6 本章小结第64-66页
4 复杂场景多特征融合粒子滤波单目标跟踪第66-82页
    4.1 引言第66-67页
    4.2 SMBP纹理模型第67-69页
    4.3 复杂场景多特征融合粒子滤波单目标跟踪第69-73页
        4.3.1 目标模型第70页
        4.3.2 多特征融合第70-71页
        4.3.3 算法步骤第71-73页
    4.4 实验结果分析第73-81页
    4.5 本章小结第81-82页
5 复杂场景多特征融合粒子滤波多目标跟踪第82-94页
    5.1 引言第82页
    5.2 常用目标检测方法第82-85页
    5.3 一种改进的目标检测方法第85-88页
    5.4 复杂场景多特征融合粒子滤波多目标跟踪第88-89页
    5.5 实验结果分析第89-92页
    5.6 本章小结第92-94页
6 总结与展望第94-96页
    6.1 总结第94-95页
    6.2 展望第95-96页
致谢第96-98页
参考文献第98-104页
附录第104-106页
    A. 主要主持和参研的项目第104-106页
个人简历、在学期间发表的学术论文及取得的研究成果第106-107页

论文共107页,点击 下载论文
上一篇:CXCL13及其受体CXCR5在喉鳞状细胞癌中的表达及其临床意义
下一篇:基于EGFR基因突变状态肺腺癌脑转移预后分级模型的建立