| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景与意义 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 目标跟踪的实现形式 | 第13-14页 |
| 1.3.2 目标跟踪的方法 | 第14-17页 |
| 1.4 课题研究内容与本文结构 | 第17-20页 |
| 1.4.1 主要工作 | 第17-18页 |
| 1.4.2 组织结构 | 第18-20页 |
| 第2章 视频传感器网络中的分布式目标跟踪基础 | 第20-33页 |
| 2.1 问题阐述 | 第20-22页 |
| 2.1.1 网络模型 | 第20-21页 |
| 2.1.2 系统模型 | 第21-22页 |
| 2.2 平均一致性算法 | 第22页 |
| 2.3 卡尔曼一致性滤波算法 | 第22-25页 |
| 2.4 广义卡尔曼一致性滤波 | 第25-27页 |
| 2.4.1 加权平均一致性算法 | 第25-27页 |
| 2.4.2 信息矩阵 | 第27页 |
| 2.4.3 两步更新 | 第27页 |
| 2.5 算法的理论对比 | 第27-28页 |
| 2.6 仿真与分析 | 第28-31页 |
| 2.6.1 仿真参数设置 | 第28-29页 |
| 2.6.2 仿真分析 | 第29-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 基于信息加权一致性滤波的分布式目标跟踪 | 第33-47页 |
| 3.1 问题阐述 | 第33-34页 |
| 3.2 集中式最大后验估计 | 第34页 |
| 3.3 基于信息一致性的分布式MAP估计 | 第34-38页 |
| 3.4 信息加权一致性滤波 | 第38-42页 |
| 3.4.1 算法初始化 | 第40页 |
| 3.4.2 算法理论对比 | 第40-42页 |
| 3.5 仿真分析 | 第42-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于扩展信息加权一致性滤波的分布式目标跟踪 | 第47-57页 |
| 4.1 摄像机观测模型 | 第47-48页 |
| 4.2 扩展信息加权一致性滤波算法 | 第48-51页 |
| 4.3 EICF算法流程 | 第51-52页 |
| 4.4 仿真分析 | 第52-55页 |
| 4.4.1 参数选取 | 第52页 |
| 4.4.2 仿真结果及分析 | 第52-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 主要工作 | 第57页 |
| 5.2 进一步工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 硕士学位期间发表的学术论文及研究成果 | 第63页 |