| 中文摘要 | 第2-3页 |
| ABSTRACT | 第3页 |
| 中文文摘 | 第4-8页 |
| 绪论 | 第8-14页 |
| 第一节 课题背景及研究意义 | 第8-9页 |
| 第二节 国内外研究现状 | 第9-10页 |
| 第三节 视觉跟踪中的难点 | 第10-11页 |
| 第四节 课题来源 | 第11页 |
| 第五节 论文的研究内容和章节结构 | 第11-14页 |
| 第一章 视觉跟踪算法基础 | 第14-22页 |
| 第一节 目标表示方法 | 第14-17页 |
| 第二节 视觉跟踪中常用的目标跟踪算法 | 第17-21页 |
| 第三节 本章小结 | 第21-22页 |
| 第二章 贝叶斯视觉跟踪的理论基础 | 第22-32页 |
| 第一节 贝叶斯估计用于目标跟踪 | 第22-25页 |
| 第二节 蒙特卡洛积分 | 第25-26页 |
| 第三节 序贯重要性采样 | 第26-29页 |
| 第四节 本章小结 | 第29-32页 |
| 第三章 基于贝叶斯估计的视觉跟踪算法1-KALMAN滤波 | 第32-42页 |
| 第一节 KALMAN滤波理论 | 第32-35页 |
| 第二节 基于KALMAN滤波的运动目标跟踪算法 | 第35-38页 |
| 第三节 实验结果及分析 | 第38-41页 |
| 第四节 本章小结 | 第41-42页 |
| 第四章 基于贝叶斯估计的视觉跟踪算法2-多假设目标跟踪、格子滤波、粒子滤波 | 第42-64页 |
| 第一节 多假设跟踪 | 第42-44页 |
| 第二节 基于格子滤波的目标跟踪算法 | 第44-47页 |
| 第三节 基于粒子滤波的目标跟踪算法 | 第47-50页 |
| 第四节 实验结果及分析 | 第50-53页 |
| 第五节 适用于光电跟踪测量系统的无迹粒子滤波 | 第53-61页 |
| 第六节 本章小结 | 第61-64页 |
| 第五章 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间承担的科研任务与主要成果 | 第70-72页 |
| 致谢 | 第72-74页 |
| 个人简历 | 第74-76页 |