复杂场景中多目标视觉跟踪技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 插图目录 | 第9-11页 |
| 表格目录 | 第11-12页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及选题意义 | 第12-14页 |
| 1.2 相关研究现状介绍 | 第14-19页 |
| 1.2.1 多目标跟踪问题描述 | 第14页 |
| 1.2.2 目标描述和定位 | 第14-16页 |
| 1.2.3 滤波和数据相关 | 第16-19页 |
| 1.3 本文的贡献及主要工作 | 第19-21页 |
| 1.3.1 主要贡献 | 第19页 |
| 1.3.2 主要工作 | 第19-21页 |
| 第二章 粒子滤波器的原理及应用研究 | 第21-35页 |
| 2.1 粒子滤波器的基本原理 | 第21-29页 |
| 2.1.1 贝叶斯滤波原理 | 第21-23页 |
| 2.1.2 蒙特卡罗仿真 | 第23-24页 |
| 2.1.3 重要性采样 | 第24-27页 |
| 2.1.4 粒子退化现象和重采样 | 第27-28页 |
| 2.1.5 粒子滤波器算法流程 | 第28-29页 |
| 2.2 粒子滤波器在视觉跟踪中的应用 | 第29-32页 |
| 2.2.1 动态模型 | 第29-30页 |
| 2.2.2 观测模型 | 第30-31页 |
| 2.2.3 目标定位 | 第31页 |
| 2.2.4 粒子重采样 | 第31-32页 |
| 2.2.5 算法基本流程 | 第32页 |
| 2.3 粒子滤波器的改进研究 | 第32-34页 |
| 2.3.1 特征模板更新算法设计 | 第32-33页 |
| 2.3.2 粒子动态分配算法设计 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 多目标视觉跟踪中的数据相关 | 第35-41页 |
| 3.1 最近邻规则 | 第35页 |
| 3.2 选通和概率数据相关 | 第35-37页 |
| 3.2.1 选通 | 第36页 |
| 3.2.2 概率数据相关 | 第36-37页 |
| 3.3 混合的概率数据相关研究 | 第37-39页 |
| 3.3.1 类属选通概率 | 第38-39页 |
| 3.3.2 观测相似度概率 | 第39页 |
| 3.3.3 位置相关概率 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 区域协方差特征的原理和应用研究 | 第41-52页 |
| 4.1 区域协方差特征的原理 | 第41-42页 |
| 4.1.1 区域协方差特征的描述 | 第41-42页 |
| 4.1.2 协方差矩阵距离的度量 | 第42页 |
| 4.2 积分图像计算协方差 | 第42-44页 |
| 4.2.1 积分图像算法 | 第42-43页 |
| 4.2.2 加速协方差计算的方法 | 第43-44页 |
| 4.3 区域协方差特征的应用研究 | 第44-50页 |
| 4.3.1 对象检测应用实验结果及分析 | 第44-46页 |
| 4.3.2 视觉跟踪应用实验结果及分析 | 第46-48页 |
| 4.3.3 场景分类应用实验结果及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 多目标视觉跟踪技术的研究 | 第52-75页 |
| 5.1 引言 | 第52页 |
| 5.2 系统动态模型的建立 | 第52页 |
| 5.3 系统观测模型的分析和设计 | 第52-68页 |
| 5.3.1 直方图特征观测模型设计 | 第53-56页 |
| 5.3.2 直方图特征模型更新算法研究 | 第56-60页 |
| 5.3.3 区域协方差特征观测模型设计 | 第60页 |
| 5.3.4 区域协方差特征模型更新算法研究 | 第60-68页 |
| 5.4 系统目标定位算法的设计 | 第68页 |
| 5.5 系统重采样算法的设计 | 第68-69页 |
| 5.5.1 粒子的动态分配 | 第69页 |
| 5.6 整体系统算法说明 | 第69-70页 |
| 5.7 实验结果及分析 | 第70-74页 |
| 5.8 本章小结 | 第74-75页 |
| 第六章 全文总结与展望 | 第75-77页 |
| 6.1 本文工作 | 第75-76页 |
| 6.2 工作展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
