基于分块粒子滤波的目标跟踪算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究的主要内容及结构安排 | 第11-13页 |
| 第2章 粒子滤波理论 | 第13-33页 |
| 2.1 引言 | 第13-14页 |
| 2.2 粒子滤波理论基础 | 第14-22页 |
| 2.2.1 贝叶斯滤波 | 第14-17页 |
| 2.2.2 蒙特卡洛思想 | 第17-18页 |
| 2.2.3 贝叶斯重要性采样 | 第18-20页 |
| 2.2.4 序贯重要性采样 | 第20-22页 |
| 2.3 SIR滤波算法 | 第22-27页 |
| 2.3.1 重采样 | 第22-24页 |
| 2.3.2 重要性密度函数的选取 | 第24-27页 |
| 2.4 经典的粒子滤波改进算法 | 第27-29页 |
| 2.4.1 辅助粒子滤波 | 第27-28页 |
| 2.4.2 似然粒子滤波 | 第28-29页 |
| 2.5 实验结果与分析 | 第29-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 运动目标检测和跟踪算法理论 | 第33-49页 |
| 3.1 图像处理基础理论 | 第33-37页 |
| 3.1.1 颜色空间模型 | 第33-34页 |
| 3.1.2 颜色模型的转换 | 第34-35页 |
| 3.1.3 直方图及量化 | 第35-37页 |
| 3.2 目标检测 | 第37-39页 |
| 3.2.1 背景差分法 | 第37页 |
| 3.2.2 帧差法 | 第37-38页 |
| 3.2.3 光流法 | 第38-39页 |
| 3.3 目标跟踪 | 第39-41页 |
| 3.3.1 基于特征的目标跟踪 | 第40页 |
| 3.3.2 基于模型的目标跟踪 | 第40-41页 |
| 3.3.3 基于区域的目标跟踪 | 第41页 |
| 3.4 经典的目标跟踪算法 | 第41-47页 |
| 3.4.1 均值漂移算法 | 第41-44页 |
| 3.4.2 Camshift算法 | 第44-45页 |
| 3.4.3 跟踪仿真 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于分块的粒子滤波目标跟踪 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 基于分块的粒子滤波算法 | 第49-61页 |
| 4.2.1 建立状态模型 | 第50-51页 |
| 4.2.2 建立观测模型 | 第51页 |
| 4.2.3 权值计算和迭代跟踪 | 第51-52页 |
| 4.2.4 实验及仿真 | 第52-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 下一步展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简介及科研成果 | 第70-71页 |
| 致谢 | 第71页 |
