基于粒子滤波的目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 目标跟踪的主要方法 | 第9-10页 |
| 1.3 目标跟踪算法的主要难点 | 第10-12页 |
| 1.4 本文主要工作 | 第12-14页 |
| 1.4.1 主要研究内容 | 第12页 |
| 1.4.2 论文组织结构 | 第12-14页 |
| 第二章 粒子滤波与稀疏表达简介 | 第14-23页 |
| 2.1 粒子滤波 | 第14-20页 |
| 2.1.1 蒙特卡罗方法 | 第14页 |
| 2.1.2 贝叶斯滤波原理 | 第14-15页 |
| 2.1.3 粒子滤波算法 | 第15-20页 |
| 2.2 稀疏表达理论 | 第20-22页 |
| 2.3 稀疏表达的应用 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 多特征自适应融合的粒子滤波跟踪算法 | 第23-35页 |
| 3.1 目标特征的描述 | 第23-26页 |
| 3.1.1 跟踪目标特征的选取原则 | 第23-24页 |
| 3.1.2 颜色特征 | 第24-25页 |
| 3.1.3 纹理特征 | 第25页 |
| 3.1.4 边缘特征 | 第25-26页 |
| 3.1.5 直方图的相似性度量 | 第26页 |
| 3.2 多特征自适应权重的计算 | 第26-28页 |
| 3.3 多特征权重融合在粒子滤波跟踪算法 | 第28-29页 |
| 3.4 实验分析 | 第29-34页 |
| 3.4.1 定性评价 | 第29-33页 |
| 3.4.2 定量评价 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章基于稀疏混合模型的粒子滤波算法 | 第35-45页 |
| 4.1 全局模板的构建 | 第35-36页 |
| 4.1.1 全局模板的稀疏表示 | 第35-36页 |
| 4.1.2 目标模板的更新 | 第36页 |
| 4.2 局部模板的稀疏表示 | 第36-38页 |
| 4.3 稀疏混合模型的构建 | 第38-39页 |
| 4.4 实验分析 | 第39-44页 |
| 4.4.1 定性评价 | 第39-43页 |
| 4.4.2 定量评价 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 工作总结 | 第45页 |
| 5.2 工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
