| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 现有的技术问题 | 第18-19页 |
| 1.4 主要研究内容、章节安排和创新性 | 第19-22页 |
| 1.4.1 论文研究重点和技术内容 | 第19页 |
| 1.4.2 论文章安排 | 第19-20页 |
| 1.4.3 论文主要创新性 | 第20-22页 |
| 第二章 视觉目标跟踪基本方法 | 第22-38页 |
| 2.1 目标特征提取方法 | 第22-28页 |
| 2.1.1 点特征提取 | 第22-23页 |
| 2.1.2 轮廓特征提取 | 第23-25页 |
| 2.1.3 颜色特征提取 | 第25-26页 |
| 2.1.4 局部纹理特征提取 | 第26-28页 |
| 2.2 多目标检测方法 | 第28-31页 |
| 2.2.1 运动目标检测 | 第28-30页 |
| 2.2.2 基于机器学习和特征分类的多目标检测 | 第30-31页 |
| 2.3 多目标跟踪方法 | 第31-36页 |
| 2.3.1 基于点特征的目标跟踪 | 第31页 |
| 2.3.2 基于区域特征的目标跟踪 | 第31-32页 |
| 2.3.3 基于在线学习的目标跟踪 | 第32-33页 |
| 2.3.4 将检测、跟踪和学习相结合的方法 | 第33-34页 |
| 2.3.5 基于目标特征和环境上下文的目标跟踪 | 第34-35页 |
| 2.3.6 基于轨迹数据关联的多目标识别与跟踪 | 第35-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 空对地视觉目标持续鲁棒跟踪 | 第38-54页 |
| 3.1 方法概述 | 第38页 |
| 3.2 目标特征提取及相似度度量 | 第38-42页 |
| 3.2.1 高斯核加权均值哈希特征提取及相似度度量 | 第39-42页 |
| 3.2.2 颜色特征提取及相似度度量 | 第42页 |
| 3.3 跟踪方法具体实现 | 第42-47页 |
| 3.3.1 系统状态转移模型和观测模型构建 | 第43-45页 |
| 3.3.2 目标模型更新 | 第45-47页 |
| 3.3.3 粒子重分配 | 第47页 |
| 3.4 实验结果及分析 | 第47-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 空对地多目标自主检测与跟踪 | 第54-68页 |
| 4.1 方法概述 | 第54页 |
| 4.2 目标特征选择与分类 | 第54-57页 |
| 4.2.1 目标特征选择 | 第54-55页 |
| 4.2.2 目标特征提取与融合 | 第55-56页 |
| 4.2.3 特征分类 | 第56-57页 |
| 4.3 运动估计与跟踪关联 | 第57-61页 |
| 4.3.1 机动目标运动估计 | 第57-58页 |
| 4.3.2 多目标跟踪关联 | 第58-60页 |
| 4.3.3 目标关联结果的进一步处理 | 第60-61页 |
| 4.4 实验结果及分析 | 第61-67页 |
| 4.4.1 实验方法说明 | 第61-63页 |
| 4.4.2 本文方法实验结果及分析 | 第63-65页 |
| 4.4.3 跟踪鲁棒性对比 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 多机协同视觉目标跟踪 | 第68-78页 |
| 5.1 方法概述 | 第68页 |
| 5.2 单机目标定位 | 第68-71页 |
| 5.2.1 定位坐标系建立 | 第69-70页 |
| 5.2.2 坐标转换及目标定位 | 第70-71页 |
| 5.3 多机跟踪结果融合 | 第71-72页 |
| 5.4 实验结果及分析 | 第72-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |