| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状及发展趋势 | 第11-15页 |
| 1.2.1 国内外研究现状分析 | 第11-12页 |
| 1.2.2 跟踪问题的困扰因素和发展趋势 | 第12-15页 |
| 1.3 研究内容及结构安排 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 文章结构安排 | 第15-17页 |
| 第2章 传统Mean shift跟踪算法 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 Mean shift理论 | 第17-20页 |
| 2.2.1 核密度估计 | 第17-18页 |
| 2.2.2 Mean shift理论及其扩展形式 | 第18-20页 |
| 2.3 Mean shift目标跟踪算法 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 结合轨迹预测的Mean Shift跟踪 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 轨迹预测方法概述 | 第25-26页 |
| 3.3 最小二乘预测算法介绍 | 第26-27页 |
| 3.4 Kalman滤波算法介绍 | 第27-29页 |
| 3.5 结合轨迹预测的Mean Shift跟踪算法 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 结合个体间作用关系的智能跟踪算法 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 智能跟踪算法原理 | 第31-34页 |
| 4.2.1 行人运动影响因素分析 | 第31-33页 |
| 4.2.2 智能模型 | 第33-34页 |
| 4.3 社会力模型及其改进 | 第34-40页 |
| 4.3.1 社会力模型介绍 | 第35-37页 |
| 4.3.2 速度权重 | 第37-39页 |
| 4.3.3 方向权重 | 第39-40页 |
| 4.4 融合Mean shift的智能跟踪算法 | 第40-41页 |
| 4.5 算法流程 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 实验结果分析 | 第43-53页 |
| 5.1 实验平台及实验设计 | 第43-44页 |
| 5.1.1 实验平台 | 第43页 |
| 5.1.2 实验设计及步骤 | 第43-44页 |
| 5.2 动态个体避障跟踪 | 第44-49页 |
| 5.3 静态个体避障跟踪 | 第49-51页 |
| 5.4 迭代次数对比 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62页 |