| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 视频目标跟踪概述 | 第11-15页 |
| 1.2.1 视频目标跟踪应用领域 | 第11-13页 |
| 1.2.2 国内外研究现状 | 第13-14页 |
| 1.2.3 视频目标跟踪面临的挑战 | 第14-15页 |
| 1.3 粒子滤波算法概述 | 第15-17页 |
| 1.3.1 粒子滤波算法简介 | 第15-16页 |
| 1.3.2 粒子滤波算法研究方向 | 第16-17页 |
| 1.4 均值漂移算法概述 | 第17-18页 |
| 1.5 本文的研究内容及结构安排 | 第18-21页 |
| 1.5.1 本文研究内容 | 第18-19页 |
| 1.5.2 本文结构安排 | 第19-21页 |
| 第2章 粒子滤波基本理论 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 贝叶斯重要性采样 | 第21-23页 |
| 2.3 序贯重要性采样 | 第23-24页 |
| 2.4 重要性概率密度函数的选择 | 第24-25页 |
| 2.5 重采样方法 | 第25-26页 |
| 2.6 标准粒子滤波算法流程 | 第26-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第3章 基于分层采样的自适应多特征融合粒子滤波算法 | 第29-51页 |
| 3.1 引言 | 第29页 |
| 3.2 基于核函数的均值漂移算法 | 第29-32页 |
| 3.3 视频目标特征描述 | 第32-36页 |
| 3.3.1 颜色特征 | 第33-35页 |
| 3.3.2 纹理特征 | 第35-36页 |
| 3.4 视频目标数学模型设计 | 第36-39页 |
| 3.4.1 系统运动模型 | 第37-38页 |
| 3.4.2 目标观测模型 | 第38-39页 |
| 3.5 自适应调整多特征融合系数 | 第39-40页 |
| 3.6 粒子数量、粒子传播范围以及特征模板自适应更新策略 | 第40-41页 |
| 3.7 改进的自适应多特征融合粒子滤波算法 | 第41-44页 |
| 3.7.1 算法思想描述 | 第42页 |
| 3.7.2 算法流程以及详细步骤 | 第42-44页 |
| 3.8 本章算法实验结果与分析 | 第44-50页 |
| 3.9 本章小结 | 第50-51页 |
| 第4章 基于局部多区域划分的粒子群优化遗传粒子滤波算法 | 第51-71页 |
| 4.1 引言 | 第51-52页 |
| 4.2 传统重采样策略存在的问题 | 第52-53页 |
| 4.3 粒子群优化算法和遗传算法 | 第53-56页 |
| 4.3.1 遗传算法 | 第53-55页 |
| 4.3.2 粒子群优化算法 | 第55-56页 |
| 4.4 重要性密度函数中融入最新观测信息 | 第56-57页 |
| 4.5 局部多区域划分策略处理遮挡 | 第57-58页 |
| 4.6 改进的基于粒子群优化的遗传粒子滤波算法 | 第58-61页 |
| 4.6.1 算法思想描述 | 第58-59页 |
| 4.6.2 算法流程以及详细步骤 | 第59-61页 |
| 4.7 本章算法实验结果与分析 | 第61-70页 |
| 4.7.1 实验一：数字“5”的跟踪 | 第61-67页 |
| 4.7.2 实验二：跟踪长时间被遮挡的汽车目标 | 第67-70页 |
| 4.8 本章小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78页 |
