| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| Extended Abstract | 第10-17页 |
| 图清单 | 第17-19页 |
| 表清单 | 第19-20页 |
| 1 绪论 | 第20-32页 |
| ·研究背景及意义 | 第20-21页 |
| ·视频跟踪问题 | 第21-26页 |
| ·贝叶斯滤波原理 | 第26-28页 |
| ·论文研究内容 | 第28-29页 |
| ·论文组织结构 | 第29-32页 |
| 2 粒子滤波理论问题描述 | 第32-44页 |
| ·非线性Bayesian 滤波理论最优解问题 | 第32-35页 |
| ·序贯重要性采样与权值蜕化问题 | 第35-38页 |
| ·建议分布的选择 | 第38-39页 |
| ·粒子滤波观测模型 | 第39-40页 |
| ·序贯重要性重采样算法与样本枯竭 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 3 基于迭代最小斜度单型Sigma 采样的UPF 建议分布的研究 | 第44-60页 |
| ·引言 | 第44-45页 |
| ·U 变换sigma 采样策略及问题描述 | 第45-50页 |
| ·IEKF 统计线性误差项迭代式推导 | 第50-53页 |
| ·迭代最小斜度单型sigma 采样UPF 算法 | 第53-55页 |
| ·实验结果与分析 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 4 自适应多测量融合粒子滤波跟踪算法 | 第60-74页 |
| ·引言 | 第60-61页 |
| ·ISUKF 建议分布 | 第61-62页 |
| ·状态方程 | 第62-63页 |
| ·自适应多测量融合观测模型 | 第63-64页 |
| ·观测权值自适应策略 | 第64-65页 |
| ·采样补偿 | 第65页 |
| ·自适应多测量融合粒子滤波算法总结 | 第65-67页 |
| ·实验结果与分析 | 第67-71页 |
| ·本章小结 | 第71-74页 |
| 5 基于分层转移的粒子滤波MCMC 重采样算法 | 第74-86页 |
| ·引言 | 第74-75页 |
| ·SIR 及样本贫化问题 | 第75-78页 |
| ·Markov Chain Monte Carlo | 第78-79页 |
| ·粒子群优化算法 | 第79页 |
| ·分层转移的PF-MCMC 重采样算法 | 第79-81页 |
| ·实验结果与分析 | 第81-85页 |
| ·本章小结 | 第85-86页 |
| 6 基于JPDA-PF 的多视下多目标跟踪算法 | 第86-108页 |
| ·引言 | 第86-88页 |
| ·多视下多目标跟踪问题描述 | 第88-89页 |
| ·基于局部SIFT 特征的多视下目标匹配算法 | 第89-93页 |
| ·多视下目标匹配试验 | 第93-96页 |
| ·多目标聚集情况下快速JPDA 算法 | 第96-100页 |
| ·JPDA-PF 状态估计 | 第100-101页 |
| ·JPDA-PF 多目标跟踪试验 | 第101-105页 |
| ·本章小结 | 第105-108页 |
| 7 结论 | 第108-112页 |
| ·本文所做的工作 | 第108-109页 |
| ·需要进一步研究的问题 | 第109-112页 |
| 参考文献 | 第112-123页 |
| 作者简历 | 第123-125页 |
| 学位论文数据集 | 第125页 |