| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-14页 |
| 1.2.1 国内外研究现状 | 第11-13页 |
| 1.2.2 未来发展趋势 | 第13-14页 |
| 1.3 本论文的主要研究内容及结构安排 | 第14-15页 |
| 1.3.1 论文的主要研究内容 | 第14-15页 |
| 1.3.2 结构安排 | 第15页 |
| 1.4 本章小节 | 第15-16页 |
| 第二章 运动目标跟踪算法与理论基础 | 第16-24页 |
| 2.1 运动目标跟踪算法分类 | 第16-18页 |
| 2.1.1 基于模式匹配的运动目标跟踪算法 | 第16-17页 |
| 2.1.2 基于分类的运动目标跟踪算法 | 第17页 |
| 2.1.3 基于状态估计的运动目标跟踪算法 | 第17-18页 |
| 2.2 常用的运动目标跟踪算法 | 第18-22页 |
| 2.2.1 基于均值偏移的运动目标跟踪算法 | 第18-19页 |
| 2.2.2 基于卡尔曼滤波的运动目标跟踪算法 | 第19-21页 |
| 2.2.3 基于粒子滤波的运动目标跟踪算法 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于特征融合的粒子滤波跟踪算法 | 第24-36页 |
| 3.1 粒子滤波算法原理 | 第24-28页 |
| 3.1.1 贝叶斯滤波 | 第24-25页 |
| 3.1.2 贝叶斯重要性采样 | 第25-26页 |
| 3.1.3 序贯重要性采样算法 | 第26-27页 |
| 3.1.4 基本粒子滤波算法步骤 | 第27-28页 |
| 3.2 基于特征融合的粒子滤波运动目标跟踪算法 | 第28-35页 |
| 3.2.1 特征提取 | 第28-31页 |
| 3.2.2 系统状态转移模型和观测模型 | 第31-32页 |
| 3.2.3 多特征融合策略 | 第32-33页 |
| 3.2.4 算法步骤 | 第33页 |
| 3.2.5 实验结果及分析 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于细菌觅食优化的粒子滤波跟踪算法 | 第36-48页 |
| 4.1 细菌觅食优化算法 | 第36-38页 |
| 4.1.1 趋向性操作 | 第36-37页 |
| 4.1.2 复制操作 | 第37页 |
| 4.1.3 迁移操作 | 第37页 |
| 4.1.4 细菌觅食优化算法流程 | 第37-38页 |
| 4.2 基于细菌觅食优化重采样的粒子滤波方法 | 第38-40页 |
| 4.2.1 细菌觅食优化算法的改进 | 第38-39页 |
| 4.2.2 基于细菌觅食优化重采样的粒子滤波算法步骤 | 第39-40页 |
| 4.3 基于BFO-PF算法目标跟踪 | 第40页 |
| 4.4 仿真结果及分析 | 第40-46页 |
| 4.4.1 实验一 | 第41-42页 |
| 4.4.2 实验二 | 第42-44页 |
| 4.4.3 实验三 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 结论 | 第48-50页 |
| 5.1 论文总结 | 第48页 |
| 5.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54页 |
| 作者在攻读硕士学位期间发表的论文 | 第54-56页 |
| 致谢 | 第56页 |