基于粒子滤波的视频目标跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 视频目标跟踪技术概述 | 第11-14页 |
| 1.2.1 视频目标跟踪技术国内外发展现状 | 第11-12页 |
| 1.2.2 视频目标跟踪算法综述 | 第12-14页 |
| 1.2.3 视频目标跟踪的难点 | 第14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文的章节安排 | 第15-16页 |
| 第2章 粒子滤波算法原理分析 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 贝叶斯滤波原理 | 第16-18页 |
| 2.2.1 状态空间模型 | 第16-17页 |
| 2.2.2 贝叶斯理论 | 第17页 |
| 2.2.3 贝叶斯滤波 | 第17-18页 |
| 2.3 蒙特卡洛积分 | 第18-19页 |
| 2.4 粒子滤波算法 | 第19-22页 |
| 2.4.1 贝叶斯重要性采样 | 第19-20页 |
| 2.4.2 序贯重要性采样(SIS) | 第20-21页 |
| 2.4.3 粒子退化与重采样 | 第21-22页 |
| 2.5 仿真实验与结果分析 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于萤火虫算法改进的粒子滤波 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 粒子滤波算法的改进 | 第24-27页 |
| 3.2.1 萤火虫算法原理与改进 | 第24-26页 |
| 3.2.2 利用萤火虫算法改进粒子滤波 | 第26-27页 |
| 3.2.3 重采样策略的改进 | 第27页 |
| 3.3 改进粒子滤波算法实现步骤 | 第27-28页 |
| 3.4 实验仿真与结果分析 | 第28-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 基于改进粒子滤波的目标跟踪算法研究 | 第33-46页 |
| 4.1 引言 | 第33页 |
| 4.2 状态转移模型 | 第33-34页 |
| 4.3 观测模型 | 第34-40页 |
| 4.3.1 颜色空间模型 | 第36-38页 |
| 4.3.2 颜色直方图量化 | 第38-40页 |
| 4.4 目标跟踪算法实现步骤 | 第40-42页 |
| 4.5 仿真实验及结果分析 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 基于粒子滤波的多特征融合跟踪算法研究 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 状态转移模型 | 第46-47页 |
| 5.3 基于多特征信息融合的观测模型 | 第47-52页 |
| 5.3.1 纹理特征 | 第47-49页 |
| 5.3.2 边缘特征 | 第49-50页 |
| 5.3.3 多特征融合策略 | 第50-52页 |
| 5.4 目标模板更新策略 | 第52页 |
| 5.5 多特征自适应融合跟踪算法实现步骤 | 第52-53页 |
| 5.6 仿真实验及结果分析 | 第53-55页 |
| 5.7 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63页 |
