首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多特征融合的粒子滤波跟踪算法研究

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

论文共71页,点击 下载论文
上一篇:双电压等级电网GIC-Q扰动特征研究
下一篇:液滴碰撞非理想表面的格子Boltzmann模拟