| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-23页 |
| ·研究的背景及意义 | 第13-17页 |
| ·目标跟踪算法的研究现状 | 第17-20页 |
| ·目标跟踪的难点 | 第20-21页 |
| ·本文研究内容及章节安排 | 第21-23页 |
| 第2章 递归贝叶斯滤波基础理论 | 第23-45页 |
| ·目标跟踪的贝叶斯估计建模 | 第23-25页 |
| ·贝叶斯估计的递归解 | 第25-27页 |
| ·目标跟踪的贝叶斯滤波表达 | 第27-30页 |
| ·基于蒙特卡洛的递归贝叶斯滤波算法 | 第30-44页 |
| ·蒙特卡洛数值采样 | 第30-31页 |
| ·重要性采样 | 第31-33页 |
| ·序贯重要性采样 | 第33-36页 |
| ·序贯重要性采样的粒子退化 | 第36-39页 |
| ·粒子滤波算法 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于加速度双步动态模型的粒子滤波算法 | 第45-67页 |
| ·引言 | 第45-46页 |
| ·几种常见的动态模型 | 第46-52页 |
| ·常速度动态模型 | 第46-48页 |
| ·常加速度动态模型 | 第48-50页 |
| ·Singer加速度动态模型 | 第50-51页 |
| ·双步动态模型 | 第51-52页 |
| ·加速度双步动态模型 | 第52-59页 |
| ·自由动态模型 | 第52-56页 |
| ·保守动态模型 | 第56-57页 |
| ·加速度双步动态模型 | 第57-59页 |
| ·基于 TSA 模型的粒子滤波算法 | 第59-61页 |
| ·实验结果及分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第4章 融合颜色与轮廓的观测模型 | 第67-85页 |
| ·引言 | 第67-68页 |
| ·主动轮廓线提取算法 | 第68-73页 |
| ·Snake轮廓提取算法 | 第68-70页 |
| ·水平集轮廓线提取算法 | 第70-71页 |
| ·水平集与 Snake 轮廓提取算法的对比实验 | 第71-73页 |
| ·非对称核密度估计直方图 | 第73-77页 |
| ·核密度估计直方图 | 第73-75页 |
| ·非对称核密度估计直方图 | 第75-76页 |
| ·基于核密度估计直方图的观测模型 | 第76-77页 |
| ·基于 TSA-AK 的粒子滤波算法 | 第77-79页 |
| ·实验结果与分析 | 第79-83页 |
| ·本章小结 | 第83-85页 |
| 第5章 融合目标检测与分割的粒子滤波跟踪算法 | 第85-117页 |
| ·引言 | 第85-86页 |
| ·多方向 GrabCut 分割算法 | 第86-95页 |
| ·Graph Cut分割算法 | 第87-88页 |
| ·GrabCut分割算法 | 第88-91页 |
| ·多方向 GrabCut 分割算法 | 第91-95页 |
| ·融合多方向 GrabCut 分割的粒子滤波跟踪算法 | 第95-102页 |
| ·融合多方向 GrabCut 分割的粒子滤波跟踪算法 | 第95-97页 |
| ·实验结果与分析 | 第97-102页 |
| ·融合随机森林分类器的 GrabCut 分割 | 第102-107页 |
| ·随机森林简介 | 第102-104页 |
| ·融合 RF 的 GrabCut 分割算法 | 第104-107页 |
| ·融合 RF-GC 分割的粒子滤波跟踪算法 | 第107-115页 |
| ·融合 RF-GC 分割的粒子滤波跟踪算法 | 第107-109页 |
| ·实验结果与分析 | 第109-115页 |
| ·本章小结 | 第115-117页 |
| 第6章 结论与展望 | 第117-121页 |
| ·主要工作内容 | 第117-119页 |
| ·论文创新点 | 第119页 |
| ·展望 | 第119-121页 |
| 参考文献 | 第121-135页 |
| 在学期间学术成果情况 | 第135-137页 |
| 指导教师及作者简介 | 第137-139页 |
| 致谢 | 第139页 |