引入昆虫视觉机制的粒子滤波目标跟踪方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 本课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-15页 |
| 1.2.1 目标跟踪概述及研究现状 | 第11-13页 |
| 1.2.2 目标跟踪面临的挑战 | 第13-14页 |
| 1.2.3 相关研究工作 | 第14-15页 |
| 1.3 本文主要工作及创新点 | 第15-16页 |
| 1.4 论文内容结构安排 | 第16-18页 |
| 第2章 相关理论的数学描述 | 第18-24页 |
| 2.1 目标跟踪问题的数学描述 | 第18页 |
| 2.2 贝叶斯滤波理论 | 第18-20页 |
| 2.2.1 引言 | 第18页 |
| 2.2.2 贝叶斯滤波 | 第18-20页 |
| 2.3 粒子滤波理论 | 第20-22页 |
| 2.3.1 引言 | 第20页 |
| 2.3.2 粒子滤波 | 第20-22页 |
| 2.4 昆虫视觉启发的运动检测原理 | 第22-23页 |
| 2.4.1 引言 | 第22页 |
| 2.4.2 昆虫视觉启发的运动检测器基本理论 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 引入昆虫视觉原理的粒子滤波跟踪算法 | 第24-36页 |
| 3.1 引言 | 第24页 |
| 3.2 模型表示 | 第24-25页 |
| 3.2.1 状态模型 | 第24-25页 |
| 3.2.2 运动模型 | 第25页 |
| 3.3 运动估计 | 第25-29页 |
| 3.3.1 感光器单元的确定 | 第25-26页 |
| 3.3.2 运动估计 | 第26-29页 |
| 3.4 局部搜索与全局搜索交叉策略 | 第29-31页 |
| 3.4.1 局部搜索与全局搜索 | 第29页 |
| 3.4.2 交叉策略 | 第29-30页 |
| 3.4.3 目标丢失的判定与重定位 | 第30-31页 |
| 3.5 基于增量学习的在线模板更新 | 第31-32页 |
| 3.6 跟踪算法流程 | 第32-34页 |
| 3.7 本章小节 | 第34-36页 |
| 第4章 实验结果与分析 | 第36-48页 |
| 4.1 引言 | 第36-37页 |
| 4.2 实验结果的定性分析 | 第37-43页 |
| 4.3 实验结果的定量分析 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 论文总结 | 第48-49页 |
| 5.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间发表论文与研究成果清单 | 第55-56页 |
| 攻读硕士学位期间参与的课题 | 第56-57页 |
| 致谢 | 第57页 |
