| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·目标跟踪发展现状 | 第11-15页 |
| ·目标表示 | 第11-12页 |
| ·目标外观模型 | 第12-13页 |
| ·目标所选特征 | 第13页 |
| ·目标跟踪 | 第13-15页 |
| ·基于 FISST 的多目标跟踪方法 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 多目标跟踪方法研究与分析 | 第17-29页 |
| ·引言 | 第17页 |
| ·多目标跟踪方法的分类 | 第17-20页 |
| ·先检测后跟踪技术 | 第18-19页 |
| ·边检测边跟踪技术 | 第19-20页 |
| ·先跟踪后检测技术 | 第20页 |
| ·多目标跟踪的滤波算法 | 第20-28页 |
| ·Bayes 滤波算法 | 第20-22页 |
| ·Kalman 滤波算法 | 第22-24页 |
| ·粒子滤波算法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于随机集的多目标跟踪理论基础 | 第29-38页 |
| ·引言 | 第29-30页 |
| ·随机集的基本定义 | 第30-31页 |
| ·集积分和集导数 | 第31-33页 |
| ·随机集的概率假设密度 | 第33-37页 |
| ·多目标随机集 Bayes 滤波思想 | 第34-35页 |
| ·PHD 算法介绍 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于 P-PHDF 和 GM-PHDF 改进算法研究 | 第38-51页 |
| ·引言 | 第38页 |
| ·改进粒子概率假设密度滤波算法(P-PHDF) | 第38-42页 |
| ·P-PHDF 算法基本原理 | 第38-40页 |
| ·改进的 P-PHDF 算法实现 | 第40-42页 |
| ·改进混合高斯概率假设密度滤波算法(GM-PHDF) | 第42-46页 |
| ·GM-PHDF 算法基本原理 | 第42-43页 |
| ·UK-GM-PHDF 算法实现 | 第43-46页 |
| ·仿真实验 | 第46-49页 |
| ·改进 P-PHDF 算法仿真实验 | 第46-47页 |
| ·UK-GM-PHDF 算法仿真实验 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 基于多贝努利多目标跟踪算法研究 | 第51-59页 |
| ·多贝努利滤波的基本原理 | 第51-53页 |
| ·粒子滤波实现的多贝努利算法 | 第53-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |