基于粒子滤波和卡尔曼滤波的复杂场景下视觉跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·论文研究的背景和意义 | 第8-9页 |
| ·视觉跟踪的国内外研究现状 | 第9-10页 |
| ·视觉跟踪相关技术 | 第10-14页 |
| ·本文的研究内容和主要贡献 | 第14-15页 |
| ·论文的章节安排 | 第15-16页 |
| 第二章 贝叶斯滤波理论 | 第16-35页 |
| ·引言 | 第16-18页 |
| ·贝叶斯滤波原理 | 第18-21页 |
| ·模型假设和贝叶斯估计 | 第18-19页 |
| ·蒙特卡罗(Monte Carlo)方法 | 第19-21页 |
| ·卡尔曼滤波器 | 第21-24页 |
| ·卡尔曼滤波理论 | 第21-23页 |
| ·卡尔曼滤波发散原因与抑制 | 第23-24页 |
| ·粒子滤波器 | 第24-30页 |
| ·粒子滤波原理 | 第24-26页 |
| ·重采样 | 第26-27页 |
| ·粒子滤波算法 | 第27-30页 |
| ·实验及仿真 | 第30-34页 |
| ·仿真及分析 | 第30-31页 |
| ·实验结果及讨论 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 复杂场景中的粒子滤波跟踪算法 | 第35-58页 |
| ·引言 | 第35-36页 |
| ·特征空间分析 | 第36-42页 |
| ·概率密度估计 | 第36-39页 |
| ·核密度估计 | 第37-38页 |
| ·直方图密度估计 | 第38-39页 |
| ·概率密度函数模型描述 | 第39-41页 |
| ·目标模型 | 第39-41页 |
| ·候选模型 | 第41页 |
| ·相似度函数 | 第41-42页 |
| ·目标的颜色信息描述 | 第42页 |
| ·基于颜色特征和贝叶斯滤波的跟踪算法 | 第42-46页 |
| ·改进型粒子滤波器 | 第42-43页 |
| ·系统模型 | 第43-44页 |
| ·算法描述 | 第44-46页 |
| ·实验结果及分析 | 第46-52页 |
| ·仿真及分析 | 第46-47页 |
| ·实验结果以及讨论 | 第47-52页 |
| ·遮挡处理 | 第52-57页 |
| ·遮挡检测及处理 | 第52-54页 |
| ·实验结果 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于遗传进化的多信息跟踪算法 | 第58-71页 |
| ·引言 | 第58-60页 |
| ·遗传进化算法 | 第60-64页 |
| ·粒子数目的理论分析 | 第60页 |
| ·遗传进化算法 | 第60-64页 |
| ·目标梯度描述 | 第64-67页 |
| ·SIFT特征点 | 第64页 |
| ·SIFT特征点提取 | 第64-66页 |
| ·梯度直方图 | 第66-67页 |
| ·基于遗传进化的多信息跟踪算法 | 第67-68页 |
| ·实验结果及分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| ·工作总结 | 第71页 |
| ·研究与展望 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 攻读硕士学位期间完成的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
