| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关技术 | 第16-32页 |
| 2.1 目标追踪技术 | 第16-17页 |
| 2.2 粒子滤波算法 | 第17-27页 |
| 2.2.1 贝叶斯理论 | 第18-19页 |
| 2.2.2 蒙特卡洛采样 | 第19-20页 |
| 2.2.3 重要性采样 | 第20-24页 |
| 2.2.4 重采样 | 第24-25页 |
| 2.2.5 粒子滤波算法流程 | 第25-27页 |
| 2.3 卡尔曼滤波算法 | 第27-31页 |
| 2.3.1 卡尔曼滤波 | 第27页 |
| 2.3.2 卡尔曼滤波算法原理 | 第27-29页 |
| 2.3.3 卡尔曼滤波算法流程 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 多特征融合的粒子滤波追踪器的设计与实现 | 第32-48页 |
| 3.1 多特征融合的粒子滤波追踪器 | 第32-34页 |
| 3.2 目标特征提取与多特征融合方法 | 第34-40页 |
| 3.2.1 颜色特征提取 | 第34-37页 |
| 3.2.2 方向梯度特征提取 | 第37-39页 |
| 3.2.3 特征相似性度量方法 | 第39-40页 |
| 3.2.4 多特征融合方法 | 第40页 |
| 3.3 多特征融合粒子滤波追踪器 | 第40-44页 |
| 3.3.1 状态模型与预测模型 | 第40-41页 |
| 3.3.2 观测模型 | 第41页 |
| 3.3.3 初始化 | 第41页 |
| 3.3.4 粒子传播 | 第41-42页 |
| 3.3.5 权重计算与更新 | 第42-43页 |
| 3.3.6 估计后验状态 | 第43页 |
| 3.3.7 目标更新 | 第43-44页 |
| 3.3.8 重采样 | 第44页 |
| 3.3.9 融合结果 | 第44页 |
| 3.4 实验与结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 结合卡尔曼滤波算法进行优化的粒子滤波追踪器的设计与实现 | 第48-58页 |
| 4.1 在目标追踪中利用卡尔曼滤波算法对粒子滤波算法进行改进 | 第48页 |
| 4.2 卡尔曼粒子滤波追踪器的设计与实现 | 第48-52页 |
| 4.2.1 卡尔曼粒子滤波追踪器处理流程 | 第49-50页 |
| 4.2.2 卡尔曼粒子滤波追踪器的设计与实现 | 第50-52页 |
| 4.3 实验结果及分析 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62页 |