基于粒子滤波的视频目标跟踪算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.2 视频目标跟踪的研究现状与关键问题 | 第13-17页 |
| 1.2.1 视频目标跟踪的研究现状 | 第13-15页 |
| 1.2.2 视频目标跟踪的关键问题 | 第15-17页 |
| 1.3 粒子滤波的研究现状 | 第17-18页 |
| 1.4 论文主要工作与结构安排 | 第18-19页 |
| 第二章 视频目标跟踪技术 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 目标表示方法 | 第19-21页 |
| 2.3 目标特征提取 | 第21-23页 |
| 2.3.1 颜色特征 | 第21-22页 |
| 2.3.2 边缘特征 | 第22页 |
| 2.3.3 纹理特征 | 第22-23页 |
| 2.3.4 形状特征 | 第23页 |
| 2.4 目标跟踪方法分类 | 第23-25页 |
| 2.4.1 基于区域的跟踪方法 | 第23-24页 |
| 2.4.2 基于模型的跟踪方法 | 第24页 |
| 2.4.3 基于特征的跟踪方法 | 第24页 |
| 2.4.4 基于主动轮廓的跟踪方法 | 第24页 |
| 2.4.5 基于预测的跟踪方法 | 第24-25页 |
| 2.5 常见的目标跟踪算法 | 第25-28页 |
| 2.5.1 Meanshift算法 | 第25-26页 |
| 2.5.2 Camshift算法 | 第26页 |
| 2.5.3 卡尔曼滤波算法 | 第26-28页 |
| 2.5.4 粒子滤波算法 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 粒子滤波算法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 贝叶斯状态估计 | 第29-30页 |
| 3.3 粒子滤波算法 | 第30-33页 |
| 3.3.1 蒙特卡洛方法 | 第30页 |
| 3.3.2 重要性采样 | 第30-31页 |
| 3.3.3 序列重要性采样 | 第31-32页 |
| 3.3.4 粒子匮乏与重采样 | 第32-33页 |
| 3.4 粒子滤波算法的一般流程 | 第33-34页 |
| 3.5 粒子滤波算法的改进 | 第34-38页 |
| 3.5.1 无迹粒子滤波 | 第34-35页 |
| 3.5.2 则粒子滤波 | 第35-37页 |
| 3.5.3 辅助变量粒子滤波 | 第37-38页 |
| 3.6 仿真实验及分析 | 第38-43页 |
| 3.7 本章小结 | 第43-46页 |
| 第四章 基于多特征融合的粒子滤波目标跟踪 | 第46-57页 |
| 4.1 引言 | 第46页 |
| 4.2 目标模型 | 第46-49页 |
| 4.2.1 目标运动模型 | 第46-47页 |
| 4.2.2 目标观测模型 | 第47-49页 |
| 4.2.3 目标的相似性度量 | 第49页 |
| 4.3 多特征融合算法 | 第49-52页 |
| 4.3.1 多特征融合 | 第49-50页 |
| 4.3.2 多特征融合的权值选择 | 第50-52页 |
| 4.4 多特征融合的粒子滤波目标跟踪算法 | 第52页 |
| 4.5 仿真实验及分析 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于粒子滤波的静态目标检测 | 第57-75页 |
| 5.1 引言 | 第57-58页 |
| 5.2 粒子滤波算法对静态目标检测的改进 | 第58-60页 |
| 5.2.1 粒子滤波在静态目标检测的不足 | 第58-59页 |
| 5.2.2 改进的静态目标检测算法 | 第59-60页 |
| 5.3 仿真结果与分析 | 第60-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-84页 |
| 附图 | 第84-86页 |
| 附表 | 第86-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间取得的学术成果 | 第88页 |
