| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 多目标跟踪算法研究背景与意义 | 第13-14页 |
| 1.2 目标跟踪算法研究进展 | 第14-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 第二章 目标检测 | 第17-34页 |
| 2.1 目标检测经典算法 | 第17-23页 |
| 2.1.1 高斯混合模型检测 | 第17-19页 |
| 2.1.2 方向梯度直方图(HOG)目标检测法 | 第19-23页 |
| 2.2 判别训练的部件模型(DPM)检测算法 | 第23-29页 |
| 2.2.1 判别训练的部件模型检测算法(DPM)模型 | 第23-28页 |
| 2.2.2 改进的判别训练的部件模型检测算法 | 第28-29页 |
| 2.3 仿真实验与对比分析 | 第29-34页 |
| 第三章 单目标跟踪 | 第34-47页 |
| 3.1 单目标跟踪经典算法 | 第34-43页 |
| 3.1.1 粒子滤波跟踪算法 | 第34-37页 |
| 3.1.2 均值移动跟踪算法 | 第37-40页 |
| 3.1.3 多事例学习跟踪(MIL)算法 | 第40-43页 |
| 3.2 仿真实验与对比分析 | 第43-47页 |
| 第四章 多目标跟踪 | 第47-64页 |
| 4.1 基于EM的多目标跟踪算法 | 第47-52页 |
| 4.1.1 观测模型 | 第48-49页 |
| 4.1.2 运动模型 | 第49-50页 |
| 4.1.3 互斥模型 | 第50-51页 |
| 4.1.4 轨迹持久度模型 | 第51页 |
| 4.1.5 正则化模型 | 第51-52页 |
| 4.2 改进的EM算法 | 第52-58页 |
| 4.2.1 相似度模型 | 第52-54页 |
| 4.2.2 模型的优化 | 第54-58页 |
| 4.3 仿真实验与结果分析 | 第58-64页 |
| 第五章 工作总结和展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第70-72页 |