粒子滤波框架下基于视觉模型优化的目标跟踪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 课题国内外研究现状 | 第9-12页 |
| 1.2.1 目标跟踪方法的研究现状 | 第9-11页 |
| 1.2.2 粒子滤波器的研究现状 | 第11页 |
| 1.2.3 视觉模型研究现状 | 第11-12页 |
| 1.3 研究内容和论文组织结构 | 第12-14页 |
| 第2章 粒子滤波在跟踪领域的应用 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 目标跟踪算法介绍 | 第14-15页 |
| 2.3 粒子滤波器理论基础 | 第15-21页 |
| 2.3.1 贝叶斯滤波器 | 第16-18页 |
| 2.3.2 序列重要性采样 | 第18-19页 |
| 2.3.3 基本粒子滤波器描述 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 视觉模型的构建 | 第22-26页 |
| 3.1 视觉模型介绍 | 第22-24页 |
| 3.2 常用多特征融合方法 | 第24页 |
| 3.3 现有多特征融合方法总结分析 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第4章 基于遗传算法的多特征融合模型 | 第26-34页 |
| 4.1 多特征融合模型 | 第26-27页 |
| 4.2 优化模型构建 | 第27-30页 |
| 4.2.1 随机生成样本 | 第27-28页 |
| 4.2.2 观测 | 第28-29页 |
| 4.2.3 目标函数 | 第29-30页 |
| 4.3 基于遗传算法的多特征融合方法 | 第30-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 实验和测试分析 | 第34-47页 |
| 5.1 引言 | 第34页 |
| 5.2 视觉特征提取 | 第34-36页 |
| 5.2.1 第一组视觉特征 | 第34-36页 |
| 5.2.2 第二组视觉特征 | 第36页 |
| 5.3 实验参数及算法评价 | 第36-37页 |
| 5.4 实验结果及分析 | 第37-46页 |
| 5.4.1 遮挡情况 | 第37-41页 |
| 5.4.2 光照变化情况 | 第41-43页 |
| 5.4.3 运动不定情况 | 第43-44页 |
| 5.4.4 复杂背景情况 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间公开发表论文及著作情况 | 第52页 |
