| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第7-10页 |
| 前言 | 第10-16页 |
| 第一章 粒子滤波理论 | 第16-29页 |
| 1.1 引言 | 第16页 |
| 1.2 贝叶斯滤波原理 | 第16-18页 |
| 1.3 蒙特卡罗方法 | 第18-20页 |
| 1.4 粒子滤波原理 | 第20-25页 |
| 1.4.1 贝叶斯重要性采样(BIS) | 第20-21页 |
| 1.4.2 序列重要性采样(SIS) | 第21-22页 |
| 1.4.3 退化现象 | 第22-24页 |
| 1.4.4 粒子滤波器存在的问题 | 第24页 |
| 1.4.5 粒子滤波算法的描述 | 第24-25页 |
| 1.5 粒子滤波与视觉跟踪 | 第25-28页 |
| 1.5.1 跟踪的目的 | 第25页 |
| 1.5.2 目标的先验知识 | 第25页 |
| 1.5.3 系统状态转移 | 第25-26页 |
| 1.5.4 系统观测 | 第26-27页 |
| 1.5.5 后验概率的计算 | 第27页 |
| 1.5.6 粒子重采样 | 第27-28页 |
| 本章小结 | 第28-29页 |
| 第二章 基于遗传算法的粒子滤波跟踪算法 | 第29-37页 |
| 2.1 引言 | 第29页 |
| 2.2 遗传算法 | 第29页 |
| 2.3 遗传粒子滤波算法的提出 | 第29-30页 |
| 2.4 遗传粒子滤波算法 | 第30-34页 |
| 2.4.1 跟踪的目的 | 第31页 |
| 2.4.2 目标的先验知识 | 第31-32页 |
| 2.4.3 系统状态转移 | 第32页 |
| 2.4.4 系统观测 | 第32页 |
| 2.4.5 后验概率计算 | 第32-33页 |
| 2.4.6 粒子重采样 | 第33页 |
| 2.4.7 与传统滤波器比较 | 第33-34页 |
| 2.5 实验结果 | 第34-35页 |
| 本章小结 | 第35-37页 |
| 第三章 基于小波特征的粒子滤波跟踪算法 | 第37-45页 |
| 3.1 引言 | 第37页 |
| 3.2 目标的Gabor小波网络表示 | 第37-40页 |
| 3.2.1 Gabor小波 | 第37-38页 |
| 3.2.2 目标的Gabor小波网络(GWN)表示 | 第38-40页 |
| 3.3 基于小波特征的粒子滤波跟踪算法 | 第40-42页 |
| 3.3.1 小波特征跟踪的目的 | 第40页 |
| 3.3.2 目标的先验知识 | 第40-41页 |
| 3.3.3 系统状态转移 | 第41页 |
| 3.3.4 系统观测 | 第41页 |
| 3.3.5 后验概率计算 | 第41-42页 |
| 3.3.6 粒子重采样 | 第42页 |
| 3.4 实验结果 | 第42-43页 |
| 本章小结 | 第43-45页 |
| 第四章 基于小波特征的遗传粒子滤波跟踪算法 | 第45-50页 |
| 4.1 引言 | 第45页 |
| 4.2 基于小波特征的遗传粒子滤波跟踪算法 | 第45-47页 |
| 4.2.1 跟踪的目的 | 第45页 |
| 4.2.2 目标的先验知识 | 第45-46页 |
| 4.2.3 系统状态转移 | 第46页 |
| 4.2.4 系统观测 | 第46页 |
| 4.2.5 后验概率计算 | 第46页 |
| 4.2.6 粒子重采样 | 第46-47页 |
| 4.3 实验结果 | 第47-49页 |
| 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 发表文章目录 | 第55-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-63页 |