眼镜蛇侦察攻击系统中运动目标跟踪方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 眼镜蛇侦察攻击系统概述 | 第8-9页 |
| 1.3 运动目标跟踪研究现状 | 第9-12页 |
| 1.3.1 国内外研究现状 | 第10-11页 |
| 1.3.2 运动目标跟踪技术发展历程 | 第11-12页 |
| 1.4 论文内容安排 | 第12页 |
| 1.5 论文的创新点 | 第12-13页 |
| 第二章 运动目标跟踪算法综述 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 运动目标跟踪的基本概念 | 第13-14页 |
| 2.3 几种典型的运动目标跟踪算法 | 第14-19页 |
| 2.3.1 图像信息跟踪算法 | 第15-18页 |
| 2.3.2 目标运动参数跟踪算法 | 第18-19页 |
| 2.4 目标跟踪的难点 | 第19-20页 |
| 2.5 运动目标跟踪方法选择 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 均值移位目标跟踪算法 | 第21-39页 |
| 3.1 引言 | 第21页 |
| 3.2 非参数密度估计 | 第21-24页 |
| 3.2.1 概率密度估计 | 第22-23页 |
| 3.2.2 Parzen窗函数估计 | 第23-24页 |
| 3.2.3 K_n近邻估计 | 第24页 |
| 3.3 均值移位算法 | 第24-28页 |
| 3.3.1 均值移位算法的基本思想 | 第25-26页 |
| 3.3.2 均值移位算法的核函数 | 第26-28页 |
| 3.3.3 MeanShift算法的应用 | 第28页 |
| 3.4 基于核函数的均值移位跟踪算法 | 第28-35页 |
| 3.4.1 目标表示 | 第28-29页 |
| 3.4.2 目标模型及目标候选模型 | 第29-30页 |
| 3.4.3 相似函数的平稳性 | 第30页 |
| 3.4.4 相似函数的度量 | 第30页 |
| 3.4.5 目标定位 | 第30-31页 |
| 3.4.6 距离的最小值 | 第31-32页 |
| 3.4.7 目标跟踪算法的执行 | 第32-34页 |
| 3.4.8 自适应尺度 | 第34-35页 |
| 3.5 传统算法实验结果与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 Kalman滤波算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 贝叶斯估计 | 第39-41页 |
| 4.2.1 贝叶斯估计简介 | 第39-40页 |
| 4.2.2 贝叶斯统计模型 | 第40页 |
| 4.2.3 贝叶斯估计的数据建模 | 第40-41页 |
| 4.3 Kalman滤波算法 | 第41-47页 |
| 4.3.1 简介 | 第42页 |
| 4.3.2 理论基础 | 第42-43页 |
| 4.3.3 kalman滤波控制过程 | 第43-44页 |
| 4.3.4 Kalman滤波算法的实现 | 第44-47页 |
| 4.4 Kalman滤波算法在目标跟踪中的应用 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 改进的均值移位目标跟踪算法 | 第51-63页 |
| 5.1 引言 | 第51页 |
| 5.2 算法归纳和总结 | 第51-54页 |
| 5.2.1 传统MeanShift目标跟踪算法 | 第51-52页 |
| 5.2.2 Kalman滤波算法 | 第52-54页 |
| 5.3 改进的均值移位目标跟踪算法 | 第54-58页 |
| 5.3.1 算法描述 | 第54-55页 |
| 5.3.2 搜索策略 | 第55-58页 |
| 5.4 改进算法实验结果与分析 | 第58-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 在读期间的研究成果 | 第71-72页 |
