| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 视觉跟踪的研究背景和意义 | 第8-9页 |
| 1.2 视觉跟踪研究现状 | 第9-10页 |
| 1.2.1 几种代表性的视觉跟踪方法 | 第9-10页 |
| 1.2.2 视觉跟踪方法的热点 | 第10页 |
| 1.3 粒子群算法和视觉跟踪 | 第10-13页 |
| 1.3.1 群体智能算法 | 第10-12页 |
| 1.3.2 基于粒子群相关算法的视觉跟踪 | 第12-13页 |
| 1.4 研究内容和结构安排 | 第13-15页 |
| 第二章 相关背景知识介绍 | 第15-27页 |
| 2.1 粒子群算法 | 第15-22页 |
| 2.1.1 基本粒子群算法 | 第16-18页 |
| 2.1.2 标准粒子群算法 | 第18-19页 |
| 2.1.3 标准粒子群算法分析 | 第19-21页 |
| 2.1.4 粒子群算法的进一步研究 | 第21-22页 |
| 2.2 视觉跟踪方法 | 第22-24页 |
| 2.2.1 视觉跟踪的基本要素 | 第22-24页 |
| 2.2.2 视觉跟踪方法中存在的难点 | 第24页 |
| 2.3 本文涉及的相关工作 | 第24-26页 |
| 2.3.1 基于粒子群算法的视觉跟踪 | 第24-25页 |
| 2.3.2 量子粒子群算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 差分进化量子粒子群 | 第27-48页 |
| 3.1 量子粒子群（QPSO） | 第27-31页 |
| 3.1.1 从PSO到QPSO | 第27-28页 |
| 3.1.2 量子粒子群基本原理 | 第28-30页 |
| 3.1.3 量子粒子群算法流程 | 第30-31页 |
| 3.2 差分进化算法 | 第31-32页 |
| 3.3 差分进化量子粒子群（DE-QPSO）算法 | 第32-35页 |
| 3.3.1 粒子多样性的丢失 | 第33页 |
| 3.3.2 基于差分进化的量子粒子群（DE-QPSO） | 第33-35页 |
| 3.4 DE-QPSO实验结果以及性能分析 | 第35-47页 |
| 3.4.1 标准测试函数 | 第36-38页 |
| 3.4.2 参数为固定值时DE-QPSO的算法性能 | 第38-42页 |
| 3.4.3 参数为线性递减时DE-QPSO的算法性能 | 第42-45页 |
| 3.4.4 DE-QPSO的算法性能分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于局部块的高斯混合模型 | 第48-56页 |
| 4.1 局部块模型的相关工作 | 第49-50页 |
| 4.2 局部分块模型的构建 | 第50-53页 |
| 4.2.1 均匀的规则分块 | 第50-51页 |
| 4.2.2 局部块的外观模型 | 第51-52页 |
| 4.2.3 局部块模型的在线更新 | 第52-53页 |
| 4.3 基于局部块模型的跟踪原理 | 第53-54页 |
| 4.4 基于加权置信度的相似度计算 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 差分进化量子粒子群视觉跟踪方法 | 第56-71页 |
| 5.1 相关工作 | 第56-58页 |
| 5.1.1 差分进化量子粒子群 | 第56-58页 |
| 5.1.2 基于局部块的高斯混合模型 | 第58页 |
| 5.2 基于DE-QPSO的跟踪框架 | 第58-62页 |
| 5.2.1 基本框架和流程 | 第59页 |
| 5.2.2 随机传播 | 第59-61页 |
| 5.2.3 DE-QPSO迭代 | 第61-62页 |
| 5.2.4 收敛准则 | 第62页 |
| 5.3 DE-QPSO跟踪方法的实现 | 第62-63页 |
| 5.4 实验分析 | 第63-70页 |
| 5.4.1 对比实验 | 第64-66页 |
| 5.4.2 DE-QPSO跟踪方法在其他数据集中的表现 | 第66-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间申请的专利 | 第77-78页 |
| 致谢 | 第78页 |
