基于粒子滤波的视觉目标跟踪算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·本文研究背景及其意义 | 第8-9页 |
| ·视觉跟踪研究现状 | 第9-12页 |
| ·粒子滤波在运动目标跟踪中的研究现状 | 第12-13页 |
| ·粒子滤波面临的挑战 | 第13-14页 |
| ·本文主要内容及章节安排 | 第14-16页 |
| 第二章 粒子滤波基础理论知识 | 第16-24页 |
| ·引言 | 第16页 |
| ·贝叶斯滤波原理 | 第16-18页 |
| ·概述 | 第16-17页 |
| ·最优贝叶斯滤波 | 第17-18页 |
| ·粒子滤波原理 | 第18-23页 |
| ·贝叶斯重要性采样 | 第18-19页 |
| ·序列重要性采样 | 第19-20页 |
| ·建议分布的选择 | 第20-21页 |
| ·重采样 | 第21-22页 |
| ·粒子滤波算法流程 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于多特征自适应融合的粒子滤波算法 | 第24-38页 |
| ·引言 | 第24页 |
| ·目标数学模型 | 第24-26页 |
| ·状态模型 | 第24-25页 |
| ·状态转移模型 | 第25页 |
| ·观测模型 | 第25-26页 |
| ·似然模型 | 第26-29页 |
| ·多特征信息融合 | 第29-31页 |
| ·似然函数噪声更新 | 第31页 |
| ·算法流程 | 第31-33页 |
| ·实验及结果分析 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于小生境遗传算法的粒子滤波算法 | 第38-52页 |
| ·引言 | 第38页 |
| ·Mean Shift论 | 第38-42页 |
| ·基本Mean Shift | 第39-40页 |
| ·扩展Mean Shift | 第40-41页 |
| ·Mean Shift在视频跟踪中的应用 | 第41-42页 |
| ·遗传算法的基本原理及实现过程 | 第42-45页 |
| ·遗传算法基本原理 | 第42-43页 |
| ·遗传算法实现过程 | 第43-45页 |
| ·小生境概念的遗传算法 | 第45-46页 |
| ·基于小生境遗传算法的粒子滤波算法 | 第46-47页 |
| ·实验结果分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52页 |
| ·研究与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的主要研究成果 | 第60页 |
