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

基于均值移动和粒子滤波的目标跟踪关键技术研究

摘要第5-7页
Abstract第7-9页
第1章 绪论第13-26页
    1.1 课题研究的目的和意义第13页
    1.2 视频目标跟踪及其关键技术研究概况第13-23页
        1.2.1 目标跟踪算法研究现状第14页
        1.2.2 均值移动的目标跟踪算法研究现状第14-16页
        1.2.3 粒子滤波目标跟踪算法的研究现状第16-23页
    1.3 本文的研究内容和章节安排第23-26页
第2章 空间相关背景加权直方图均值移动目标跟踪第26-48页
    2.1 均值移动目标跟踪第26-31页
        2.1.1 多维空间下的无参密度估计理论第26-27页
        2.1.2 均值移动向量第27-28页
        2.1.3 均值移动过程第28-29页
        2.1.4 均值移动目标跟踪过程第29-31页
    2.2 空间直方图均值移动目标跟踪第31-34页
        2.2.1 空间直方图第31-32页
        2.2.2 空间直方图均值移动目标跟踪过程第32-34页
    2.3 空间相关背景加权直方图均值移动目标跟踪第34-38页
        2.3.1 相关背景加权直方图第34-35页
        2.3.2 空间相关背景加权直方图均值移动目标跟踪过程第35-38页
    2.4 实验结果和分析第38-47页
        2.4.1 实验中采用的特征提取方法及参数设置第38-41页
        2.4.2 与均值移动和空间直方图均值移动目标跟踪算法的实验对比和分析第41-42页
        2.4.3 精确和不精确目标初始化跟踪的实验结果对比分析第42-44页
        2.4.4 遮挡情况下视频跟踪的实验结果和分析第44-46页
        2.4.5 复杂背景跟踪条件下跟踪的实验结果和分析第46-47页
    2.5 本章小结第47-48页
第3章 均值移动优化的粒子滤波目标跟踪第48-72页
    3.1 粒子滤波理论第48-52页
        3.1.1 贝叶斯滤波原理第48-49页
        3.1.2 蒙特卡罗采样第49-50页
        3.1.3 序列重要性采样第50-51页
        3.1.4 粒子滤波目标跟踪过程第51-52页
    3.2 尺度和方向自适应均值移动跟踪第52-55页
        3.2.1 权值计算第53页
        3.2.2 估计运动目标的宽度、高度和方向第53-54页
        3.2.3 尺度和方向自适应均值移动目标跟踪过程第54-55页
    3.3 多特征融合均值移动优化的粒子滤波目标跟踪第55-62页
        3.3.1 系统状态模型第55页
        3.3.2 多特征系统观测模型第55-58页
        3.3.3 自适应调整特征权值第58-60页
        3.3.4 算法结构和实现步骤第60-62页
    3.4 实验结果和分析第62-70页
        3.4.1 遮挡视频的实验结果及其分析第62-66页
        3.4.2 尺度变化视频的实验结果及其分析第66-68页
        3.4.3 相似背景视频的实验结果及其分析第68-70页
    3.5 本章小结第70-72页
第4章 Adaboost检测和混合粒子滤波融合的多目标跟踪第72-94页
    4.1 混合粒子滤波第73-76页
        4.1.1 混合贝叶斯序列滤波第73-74页
        4.1.2 混合粒子滤波第74-76页
    4.2 模板更新第76-79页
        4.2.1 概率图形模型第76-77页
        4.2.2 学习第77-78页
        4.2.3 更新和预测第78-79页
    4.3 混合粒子滤波目标跟踪第79-86页
        4.3.1 状态模型第79-80页
        4.3.2 观测模型及观测似然函数第80-82页
        4.3.3 混合粒子滤波目标跟踪算法过程第82页
        4.3.4 混合粒子滤波目标跟踪实验结果与分析第82-86页
    4.4 Adaboost检测和混合粒子滤波融合跟踪第86-93页
        4.4.1 Adaboost检测第87-88页
        4.4.2 融合Adaboost检测的建议密度函数第88-89页
        4.4.3 Adaboost检测和混合粒子滤波融合的多目标跟踪过程第89-90页
        4.4.4 实验结果和分析第90-93页
    4.5 本章小结第93-94页
第5章 改进的粒子滤波多目标跟踪第94-112页
    5.1 改进的粒子滤波多目标跟踪第94-100页
        5.1.1 多目标跟踪基本方法第94-95页
        5.1.2 改进的粒子滤波算法多目标跟踪实现第95-100页
    5.2 粒子滤波多目标跟踪实验与分析第100-110页
        5.2.1 纯方位多目标跟踪第100-105页
        5.2.2 实际视频序列多目标跟踪第105-110页
    5.3 本章小结第110-112页
结论第112-114页
参考文献第114-124页
攻读博士学位期间发表的论文和取得的科研成果第124-125页
致谢第125页

论文共125页,点击 下载论文
上一篇:基于小范围屈服断裂的连杆胀断参数研究及应用
下一篇:种植密度和施氮量对东北特早熟棉区棉花生物量和氮素累积的影响