| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·目标跟踪技术难点 | 第11-12页 |
| ·目标跟踪国内外研究现状 | 第12-15页 |
| ·基于区域的跟踪方法 | 第12-13页 |
| ·基于特征的跟踪方法 | 第13页 |
| ·基于变形模板的跟踪方法 | 第13-14页 |
| ·基于模型的跟踪方法 | 第14-15页 |
| ·本文主要工作 | 第15-18页 |
| ·本文研究内容 | 第15页 |
| ·本文主要创新 | 第15-16页 |
| ·本文组织安排 | 第16-18页 |
| 第2章 经典运动目标跟踪算法 | 第18-38页 |
| ·MeanShift 算法的基本原理 | 第18-23页 |
| ·MeanShift 算法的基本形式 | 第18-19页 |
| ·MeanShift 算法的扩展形式 | 第19-23页 |
| ·MeanShift 算法在目标跟踪中应用 | 第23-28页 |
| ·MeanShift 跟踪算法原理 | 第23-26页 |
| ·CamShift 跟踪算法反向投影模板生成 | 第26-27页 |
| ·CamShift 跟踪算法自适应搜索过程 | 第27-28页 |
| ·粒子滤波算法相关理论 | 第28-37页 |
| ·贝叶斯估计理论 | 第29-31页 |
| ·贝叶斯重要性采样 | 第31-33页 |
| ·序列重要性采样 | 第33-34页 |
| ·粒子退化与重采样 | 第34-35页 |
| ·粒子滤波算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于灰色预测模型的 CamShift 跟踪方法 | 第38-52页 |
| ·引言 | 第38-39页 |
| ·灰色预测模型 | 第39-43页 |
| ·GM(1,1)模型 | 第39-41页 |
| ·GM(1,1)模型检验 | 第41-43页 |
| ·目标选择性特征更新 | 第43-44页 |
| ·本章算法实现 | 第44-46页 |
| ·目标状态表示 | 第44页 |
| ·算法创新点及步骤 | 第44-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·实验结果 | 第46-50页 |
| ·算法性能评估 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于特征融合的粒子群优化粒子滤波跟踪方法 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·NMI 特征及融合 | 第53-55页 |
| ·NMI 特征提取 | 第53-54页 |
| ·多特征乘性融合策略 | 第54-55页 |
| ·粒子群优化粒子滤波跟踪算法 | 第55-57页 |
| ·粒子群优化算法基本原理 | 第55-56页 |
| ·粒子群优化粒子滤波算法 | 第56-57页 |
| ·本章算法实现 | 第57-59页 |
| ·目标状态模型 | 第57-58页 |
| ·算法创新点及步骤 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| ·实验结果 | 第60-62页 |
| ·算法性能评估 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·本文工作总结 | 第64-65页 |
| ·未来工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 硕士期间发表的学术论文和参与的科研项目 | 第71-72页 |
| 一、发表的学术论文 | 第71页 |
| 二、参与的科研项目 | 第71页 |
| 三、获得奖项 | 第71-72页 |
| 致谢 | 第72-73页 |