| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 目标跟踪研究现状 | 第11-14页 |
| 1.2.1 目标跟踪发展动态 | 第11-12页 |
| 1.2.2 目标跟踪方法研究现状 | 第12-14页 |
| 1.2.3 目标跟踪中的难点分析 | 第14页 |
| 1.3 本文主要工作与内容安排 | 第14-16页 |
| 第2章 MeanShift目标跟踪算法基础 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 核密度估计 | 第16-18页 |
| 2.3 MeanShift算法理论基础 | 第18-19页 |
| 2.4 MeanShift算法在目标跟踪中的应用 | 第19-22页 |
| 2.4.1 目标模型表示 | 第19-20页 |
| 2.4.2 巴氏系数 | 第20-21页 |
| 2.4.3 确定目标位置 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于改进颜色直方图的MeanShift跟踪算法 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 基于颜色特征的MeanShift算法 | 第23-27页 |
| 3.2.1 颜色空间选择及建模 | 第23-26页 |
| 3.2.2 算法流程 | 第26页 |
| 3.2.3 算法优缺点分析 | 第26-27页 |
| 3.3 分块颜色直方图 | 第27-29页 |
| 3.4 实验结果及分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 多特征融合的MeanShift算法 | 第31-46页 |
| 4.1 引言 | 第31页 |
| 4.2 边缘特征提取 | 第31-32页 |
| 4.3 LTP特征提取 | 第32-36页 |
| 4.3.1 LBP算子 | 第33-34页 |
| 4.3.2 LTP描述子 | 第34-36页 |
| 4.4 多特征融合 | 第36-41页 |
| 4.4.1 特征融合常用方法分析 | 第36-37页 |
| 4.4.2 基于区分度的多特征融合方法 | 第37-39页 |
| 4.4.3 目标模型更新机制 | 第39页 |
| 4.4.4 多特征融合Mean Shift算法流程 | 第39-41页 |
| 4.5 实验结果及分析 | 第41-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 改进的抗遮挡MeanShift跟踪算法 | 第46-58页 |
| 5.1 引言 | 第46页 |
| 5.2 扩展卡尔曼滤波 | 第46-49页 |
| 5.3 基于差分的线性化近似 | 第49页 |
| 5.4 扩展卡尔曼滤波结合MeanShift算法 | 第49-53页 |
| 5.4.1 遮挡判断 | 第50页 |
| 5.4.2 扩展卡尔曼滤波器跟踪模型建立 | 第50-51页 |
| 5.4.3 算法结合流程 | 第51-53页 |
| 5.5 实验结果及分析 | 第53-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |