蒙特卡洛多目标跟踪算法的并行化设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 本文研究内容与结构安排 | 第18-20页 |
| 第二章 基于GPU的并行化理论基础 | 第20-30页 |
| 2.1 GPU体系结构 | 第20-22页 |
| 2.2 CUDA指令系统 | 第22-27页 |
| 2.2.1 线程组 | 第22-23页 |
| 2.2.2 存储空间 | 第23-25页 |
| 2.2.3 交互控制 | 第25-27页 |
| 2.3 基于GPU的程序设计 | 第27-29页 |
| 2.3.1 实验环境 | 第27-28页 |
| 2.3.2 并行化程序设计 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 多目标跟踪算法研究 | 第30-42页 |
| 3.1 贝叶斯跟踪模型 | 第30-34页 |
| 3.1.1 贝叶斯滤波 | 第30-31页 |
| 3.1.2 卡尔曼滤波 | 第31-32页 |
| 3.1.3 粒子滤波 | 第32-34页 |
| 3.2 多目标跟踪 | 第34-40页 |
| 3.2.1 贝叶斯多目标跟踪模型 | 第34-36页 |
| 3.2.2 蒙特卡洛多目标跟踪算法 | 第36-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 并行化目标检测算法研究 | 第42-54页 |
| 4.1 运动目标检测 | 第42-48页 |
| 4.1.1 静态背景目标检测 | 第42-44页 |
| 4.1.2 并行化检测算法 | 第44-45页 |
| 4.1.3 实验比较与分析 | 第45-48页 |
| 4.2 目标概率空间 | 第48-52页 |
| 4.2.1 置信图 | 第48-50页 |
| 4.2.2 实验结果及分析 | 第50-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 蒙特卡洛算法的并行化 | 第54-66页 |
| 5.1 并行跟踪算法处理框架 | 第54-55页 |
| 5.2 数据关联 | 第55-56页 |
| 5.3 多链MCMC算法 | 第56-60页 |
| 5.3.1 IP-MCMC | 第56-58页 |
| 5.3.2 多链蒙特卡洛算法优化设计 | 第58-59页 |
| 5.3.3 基于GPU的算法实现 | 第59-60页 |
| 5.4 实验结果 | 第60-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
