| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-30页 |
| ·研究背景及意义 | 第11-15页 |
| ·概述 | 第11-13页 |
| ·视频目标跟踪技术的应用 | 第13-15页 |
| ·视频目标跟踪方法的研究现状 | 第15-20页 |
| ·基于目标表示的跟踪方法 | 第16-18页 |
| ·基于贝叶斯估值的状态推理方法 | 第18-20页 |
| ·视频目标跟踪的主要困难 | 第20-21页 |
| ·论文主要贡献与章节安排 | 第21-23页 |
| ·论文主要贡献 | 第21-22页 |
| ·章节安排 | 第22-23页 |
| ·本章参考文献 | 第23-30页 |
| 第二章 贝叶斯滤波及其蒙特卡洛实现 | 第30-37页 |
| ·引言 | 第30页 |
| ·基于贝叶斯理论的跟踪问题 | 第30-31页 |
| ·基于序贯重要性采样(SIS)的粒子滤波实现 | 第31-34页 |
| ·马尔可夫链蒙特卡洛采样 | 第34-35页 |
| ·本章小结 | 第35页 |
| ·本章参考文献 | 第35-37页 |
| 第三章 基于片图模型的粒子滤波跟踪算法 | 第37-59页 |
| ·引言 | 第37-38页 |
| ·问题模型 | 第38-39页 |
| ·基于特征片图跟踪的推理方案 | 第39-48页 |
| ·特征片图跟踪 | 第40-41页 |
| ·马尔可夫链蒙特卡洛采样 | 第41-42页 |
| ·片图数量变化处理 | 第42-43页 |
| ·基于投票的验证规则 | 第43-44页 |
| ·算法流程小结 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| ·基于特征片图集外观模型跟踪的改进方案 | 第48-55页 |
| ·融合运动约束的采样框架 | 第49-50页 |
| ·运动一致性验证 | 第50-51页 |
| ·实验结果 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| ·本章参考文献 | 第56-59页 |
| 第四章 基于姿态演化的人体目标跟踪算法 | 第59-74页 |
| ·引言 | 第59-60页 |
| ·问题模型 | 第60-62页 |
| ·基准姿态定义 | 第62-64页 |
| ·跟踪推理 | 第64-67页 |
| ·马尔可夫链蒙特卡洛估计 | 第64-66页 |
| ·邻接约束 | 第66-67页 |
| ·相似度计算 | 第67页 |
| ·算法流程 | 第67-68页 |
| ·实验结果 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| ·本章参考文献 | 第72-74页 |
| 第五章 基于检测辅助的多目标跟踪算法 | 第74-91页 |
| ·引言 | 第74-75页 |
| ·跟踪框架 | 第75-76页 |
| ·观察模型 | 第76-79页 |
| ·外观模型 | 第76-77页 |
| ·相似度计算 | 第77-79页 |
| ·PMRF势能模型 | 第79页 |
| ·跟踪推理 | 第79-82页 |
| ·数据关联方法简介 | 第80-81页 |
| ·马尔可夫链蒙特卡洛采样 | 第81-82页 |
| ·算法流程 | 第82-83页 |
| ·实验结果 | 第83-88页 |
| ·人脸区域检测 | 第83-85页 |
| ·跟踪实验 | 第85-88页 |
| ·本章小结 | 第88页 |
| ·本章参考文献 | 第88-91页 |
| 第六章 基于MEAN SHIFT导向的贝叶斯目标跟踪算法 | 第91-107页 |
| ·引言 | 第91-93页 |
| ·MEAN SHIFT方法 | 第93-94页 |
| ·SUSAN算法 | 第94-96页 |
| ·观察模型 | 第96-99页 |
| ·目标描述模型 | 第96-97页 |
| ·自适应模型更新 | 第97-98页 |
| ·相似度计算 | 第98-99页 |
| ·基于粒子滤波的目标跟踪 | 第99-101页 |
| ·Mean Shift区域筛选 | 第99-101页 |
| ·融合Mean Shift导向的粒子滤波估计 | 第101页 |
| ·算法流程 | 第101-102页 |
| ·实验结果 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| ·本章参考文献 | 第105-107页 |
| 第七章 结束语 | 第107-110页 |
| ·工作总结 | 第107-108页 |
| ·展望 | 第108-110页 |
| 致谢 | 第110-111页 |
| 附录: 在攻博期间的文章 | 第111页 |