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 课题研究背景及意义 | 第14页 |
1.2 国内外研究现状 | 第14-17页 |
1.3 论文的主要工作及结构安排 | 第17-20页 |
第二章 Mean Shift算法理论 | 第20-30页 |
2.1 引言 | 第20页 |
2.2 非参数密度估计理论 | 第20-22页 |
2.2.1 参数密度估计 | 第20-21页 |
2.2.2 非参数密度估计 | 第21-22页 |
2.2.3 非参数估计的收敛性讨论 | 第22页 |
2.3 Mean Shift理论 | 第22-25页 |
2.3.1 多维空间中的非参数密度估计 | 第23-24页 |
2.3.2 Mean Shift向量 | 第24-25页 |
2.4 Mean Shift算法在目标跟踪中的应用 | 第25-29页 |
2.4.1 目标模型的描述 | 第26-27页 |
2.4.2 候选模型的描述 | 第27页 |
2.4.3 相似性函数 | 第27页 |
2.4.4 候选目标的定位 | 第27-29页 |
2.5 本章小结 | 第29-30页 |
第三章 粒子滤波算法理论 | 第30-40页 |
3.1 引言 | 第30页 |
3.2 贝叶斯滤波原理 | 第30-31页 |
3.3 蒙特卡罗方法 | 第31-33页 |
3.4 粒子滤波原理 | 第33-37页 |
3.4.1 重要性采样 | 第33-34页 |
3.4.2 序列重要性采样 | 第34-35页 |
3.4.3 退化现象和重采样 | 第35-37页 |
3.5 粒子滤波算法在目标跟踪中的应用 | 第37-39页 |
3.6 本章小结 | 第39-40页 |
第四章 基于多特征融合粒子滤波跟踪算法 | 第40-54页 |
4.1 引言 | 第40页 |
4.2 颜色特征 | 第40-42页 |
4.3 LBP纹理特征 | 第42-45页 |
4.4 基于多特征融合的粒子滤波跟踪算法 | 第45-53页 |
4.4.1 基于多特征融合的目标建模 | 第46-47页 |
4.4.2 自适应多特征融合 | 第47-48页 |
4.4.3 算法具体步骤 | 第48-49页 |
4.4.4 算法实验效果及分析 | 第49-53页 |
4.5 本章小结 | 第53-54页 |
第五章 基于改进Mean Shift和粒子滤波的目标跟踪算法优化 | 第54-62页 |
5.1 引言 | 第54页 |
5.2 基于改进的Mean Shift和粒子滤波的目标跟踪算法优化 | 第54-56页 |
5.3 实验环境和内容 | 第56-59页 |
5.4 本章小结 | 第59-62页 |
第六章 总结与展望 | 第62-64页 |
6.1 本文工作及成果总结 | 第62-63页 |
6.2 下一步的研究工作 | 第63-64页 |
参考文献 | 第64-68页 |
致谢 | 第68-70页 |
作者简介 | 第70-71页 |