| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·视频目标跟踪的研究内容和研究现状 | 第11-14页 |
| ·视频目标跟踪的研究内容 | 第11-13页 |
| ·粒子滤波算法的研究现状 | 第13-14页 |
| ·论文的主要研究内容 | 第14-16页 |
| 第2章 粒子滤波理论及在视频跟踪中的实现 | 第16-32页 |
| ·粒子滤波过程 | 第16-23页 |
| ·贝叶斯估计 | 第16-18页 |
| ·蒙特卡罗积分 | 第18-19页 |
| ·重要性采样 | 第19-20页 |
| ·序贯重要性采样 | 第20-22页 |
| ·粒子退化及重采样 | 第22-23页 |
| ·粒子滤波在视频目标跟踪中的应用 | 第23-27页 |
| ·基于粒子滤波的视觉跟踪的基本理论框架 | 第23-26页 |
| ·基于像素 RGB 颜色值粒子滤波算法 | 第26-27页 |
| ·基于 RGB 颜色值的粒子滤波视频目标跟踪流程图 | 第27-29页 |
| ·基于粒子滤波视频目标跟踪的限制条件 | 第29-31页 |
| ·粒子滤波的收敛性 | 第29-30页 |
| ·目标跟踪的难点 | 第30页 |
| ·多目标跟踪问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 粒子滤波算法的改进 | 第32-48页 |
| ·目标模型的建立和更新 | 第32-36页 |
| ·目标模型的建立 | 第32-34页 |
| ·用 Bhattacharyya 距离计算目标的观测概率分布 | 第34-35页 |
| ·目标模型内容的更新 | 第35-36页 |
| ·可变粒子数目的实现 | 第36-40页 |
| ·图像预处理 | 第36-37页 |
| ·根据二值化图像来确定粒子数目 | 第37-39页 |
| ·目标模型大小的更新 | 第39-40页 |
| ·基于分散搜索的重采样方法 | 第40-45页 |
| ·重采样引起的“样贫”问题 | 第40-41页 |
| ·分散搜索算法基本原理 | 第41-43页 |
| ·分散搜索在重采样中的具体实现 | 第43-45页 |
| ·改进粒子滤波算法的步骤及流程图 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 实验结果分析 | 第48-58页 |
| ·各算法在单目标跟踪时的结果 | 第48-53页 |
| ·基于人脸 RGB 颜色值的粒子滤波算法 | 第48-49页 |
| ·基于颜色特征目标模型的粒子滤波算法 | 第49-52页 |
| ·基于自适应模型和自适应粒子数目的粒子滤波算法 | 第52-53页 |
| ·多目标跟踪的实验结果 | 第53-56页 |
| ·无遮挡情况下的跟踪实验 | 第53-54页 |
| ·有遮挡情况下的跟踪实验 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间承担的科研任务和主要成果 | 第65-66页 |
| 作者简介 | 第66页 |