| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.2 视频目标跟踪的研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 粒子滤波理论 | 第19-30页 |
| 2.1 粒子滤波的发展概况 | 第19-20页 |
| 2.2 贝叶斯滤波框架下的目标跟踪 | 第20-23页 |
| 2.2.1 状态空间模型 | 第20-21页 |
| 2.2.2 递推贝叶斯滤波 | 第21-23页 |
| 2.3 粒子滤波器原理 | 第23-29页 |
| 2.3.1 蒙特卡洛采样 | 第23-24页 |
| 2.3.2 贝叶斯重要性采样 | 第24-25页 |
| 2.3.3 序贯重要性采样 | 第25-26页 |
| 2.3.4 重采样 | 第26-28页 |
| 2.3.5 标准粒子滤波算法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于二级粒子滤波的多特征融合目标跟踪 | 第30-49页 |
| 3.1 多特征融合目标跟踪方法 | 第30-31页 |
| 3.2 融合策略的特征选取原则 | 第31页 |
| 3.3 特征的表示与建模 | 第31-35页 |
| 3.3.1 颜色特征 | 第31-33页 |
| 3.3.2 纹理特征 | 第33-35页 |
| 3.4 跟踪模型设计 | 第35-36页 |
| 3.4.1 状态转移模型 | 第35页 |
| 3.4.2 观测模型 | 第35-36页 |
| 3.5 多特征融合目标跟踪 | 第36-40页 |
| 3.5.1 多特征融合策略特点分析 | 第36-38页 |
| 3.5.2 基于二级粒子滤波的自适应特征融合方法 | 第38-39页 |
| 3.5.3 算法实现流程 | 第39-40页 |
| 3.6 实验结果及分析 | 第40-48页 |
| 3.6.1 与单一特征跟踪算法对比 | 第41-44页 |
| 3.6.2 与其他融合方法对比 | 第44-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于EMD度量的改进自适应粒子滤波目标跟踪 | 第49-63页 |
| 4.1 待改进的问题 | 第49页 |
| 4.2 自适应粒子滤波 | 第49-54页 |
| 4.2.1 改进的粒子数目自适应算法 | 第50-52页 |
| 4.2.2 噪声方差自适应 | 第52-54页 |
| 4.3 基于EMD的直方图相似性度量 | 第54-58页 |
| 4.3.1 改进的特征提取方法 | 第54-55页 |
| 4.3.2 基于EMD的相似性度量 | 第55-58页 |
| 4.4 实验结果及分析 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 总结 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第70-71页 |
| 附录B(攻读学位期间参加的科研项目) | 第71页 |