基于均值漂移和粒子滤波的目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·论文研究背景和意义 | 第9-10页 |
| ·目标跟踪方法综述 | 第10-12页 |
| ·基于运动分析的方法 | 第10页 |
| ·基于特征的方法 | 第10-11页 |
| ·基于变形模板的方法 | 第11页 |
| ·基于模型的方法 | 第11-12页 |
| ·视频目标跟踪中的难点问题 | 第12-13页 |
| ·本文的内容安排 | 第13-14页 |
| 2 均值漂移算法理论以及在目标跟踪中的应用 | 第14-29页 |
| ·引言 | 第14页 |
| ·无参密度估计理论 | 第14-16页 |
| ·参数密度估计 | 第15页 |
| ·无参密度估计 | 第15-16页 |
| ·均值漂移算法理论 | 第16-20页 |
| ·多变量核函数的生成方法 | 第17页 |
| ·核密度梯度估计过程 | 第17-18页 |
| ·均值漂移算法推导 | 第18-19页 |
| ·均值漂移算法收敛讨论 | 第19-20页 |
| ·均值漂移算法在目标跟踪中的应用 | 第20-24页 |
| ·目标模型建立 | 第21-22页 |
| ·目标模型 | 第21页 |
| ·候选目标模型 | 第21-22页 |
| ·相似性度量函数 | 第22-23页 |
| ·目标定位 | 第23-24页 |
| ·均值漂移跟踪算法描述 | 第24页 |
| ·计算复杂度分析 | 第24页 |
| ·实验结果与分析 | 第24-28页 |
| ·实验平台介绍 | 第24-25页 |
| ·算法设计流程图 | 第25页 |
| ·跟踪实验 | 第25-28页 |
| ·跟踪效果图 | 第25-26页 |
| ·算法执行时间分析 | 第26-28页 |
| ·跟踪相似度分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 粒子滤波算法理论以及在目标跟踪中的应用 | 第29-52页 |
| ·引言 | 第29页 |
| ·粒子滤波理论 | 第29-37页 |
| ·贝叶斯滤波原理 | 第29-30页 |
| ·蒙特卡罗采样 | 第30-31页 |
| ·序列重要性采样(SIS) | 第31-34页 |
| ·退化问题 | 第34页 |
| ·重采样原理 | 第34-36页 |
| ·粒子滤波算法的描述 | 第36-37页 |
| ·粒子滤波理论在目标跟踪中的应用 | 第37-51页 |
| ·系统状态空间和动态模型的建立 | 第38页 |
| ·目标模型的建立 | 第38-39页 |
| ·粒子权值的评价 | 第39-40页 |
| ·目标模板更新 | 第40页 |
| ·粒子的重采样 | 第40页 |
| ·目标定位 | 第40-41页 |
| ·算法迭代步骤 | 第41-42页 |
| ·实验结果与分析 | 第42-51页 |
| ·算法程序设计流程 | 第42-44页 |
| ·实验一 | 第44-47页 |
| ·相似度测量分析 | 第45-46页 |
| ·算法执行时间分析 | 第46-47页 |
| ·实验二 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 4 基于嵌入均值漂移的粒子滤波器 | 第52-63页 |
| ·引言 | 第52页 |
| ·均值漂移算法的聚类分析作用 | 第52-54页 |
| ·核密度估计均值漂移算法回顾 | 第53-54页 |
| ·粒子滤波算法回顾 | 第54-55页 |
| ·基于嵌入均值漂移的粒子滤波器 | 第55-58页 |
| ·算法原理 | 第55-57页 |
| ·算法描述 | 第57-58页 |
| ·实验结果与分析 | 第58-62页 |
| ·算法执行框图 | 第58-59页 |
| ·实验 | 第59-62页 |
| ·实验目的和平台选取 | 第59-60页 |
| ·三种算法跟踪实验结果 | 第60-61页 |
| ·三种算法执行时间分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-64页 |
| ·总结 | 第63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
