| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-12页 |
| ·运动目标跟踪的国内外研究现状 | 第12-15页 |
| ·课题研究的主要内容及章节安排 | 第15-17页 |
| 第2章 Mean Shift理论 | 第17-29页 |
| ·引言 | 第17页 |
| ·密度估计概述 | 第17-18页 |
| ·参数密度估计 | 第18-19页 |
| ·无参密度估计 | 第19-22页 |
| ·无参密度估计的常用方法 | 第19页 |
| ·核密度估计原理 | 第19-20页 |
| ·核函数的选取 | 第20-22页 |
| ·Mean Shift理论 | 第22-28页 |
| ·多维空间下核密度估计理论 | 第22-24页 |
| ·密度梯度估计和Mean Shift向量 | 第24-25页 |
| ·Mean Shift算法的收敛性 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章基于颜色直方图的Mean Shift目标跟踪算法 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·Mean Shift算法的步骤 | 第30-34页 |
| ·目标模型描述 | 第30页 |
| ·候选模型描述 | 第30-31页 |
| ·目标相似性度量 | 第31-32页 |
| ·目标定位 | 第32-34页 |
| ·算法的具体实现 | 第34-36页 |
| ·目标尺度的自适应更新 | 第36-37页 |
| ·实验结果分析 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 Mean Shift与卡尔曼滤波器相结合的目标跟踪算法 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·递归贝叶斯估计 | 第44-45页 |
| ·卡尔曼滤波器理论 | 第45-48页 |
| ·卡尔曼滤波器的计算原型 | 第46-47页 |
| ·离散卡尔曼滤波器算法 | 第47-48页 |
| ·融合Mean Shift和卡尔曼滤波的目标跟踪算法 | 第48-50页 |
| ·目标遮挡情况的跟踪 | 第50-52页 |
| ·实验结果分析 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
