基于多特征融合的目标跟踪算法
| 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11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 研究现状 | 第17-19页 |
| 1.3 研究内容和章节安排 | 第19-21页 |
| 第二章 基础知识 | 第21-33页 |
| 2.1 目标跟踪方法的定义及分类 | 第21-24页 |
| 2.1.2 目标模型的建立 | 第21-22页 |
| 2.1.3 目标的定位跟踪 | 第22-24页 |
| 2.2 MS理论 | 第24-27页 |
| 2.2.1 MS向量 | 第24-25页 |
| 2.2.2 概率密度梯度 | 第25-27页 |
| 2.2.3 MS算法 | 第27页 |
| 2.3 粒子滤波理论 | 第27-32页 |
| 2.3.1 贝叶斯滤波和蒙特卡罗仿真 | 第27-29页 |
| 2.3.2 重要性采样和重采样技术 | 第29-32页 |
| 2.3.3 粒子滤波算法 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于多特征融合目标跟踪框架 | 第33-41页 |
| 3.1 多特征融合机制 | 第33-34页 |
| 3.1.1 加性融合 | 第33-34页 |
| 3.1.2 乘性融合 | 第34页 |
| 3.2 多特征目标模型的建立 | 第34-38页 |
| 3.2.1 单一特征目标模型 | 第34-37页 |
| 3.2.2 多特征融合目标模型 | 第37-38页 |
| 3.3 基于多特征融合目标跟踪框架 | 第38-40页 |
| 3.3.1 基于多特征融合目标跟踪算法通用模型 | 第38-39页 |
| 3.3.2 基于多特征融合目标跟踪的总体框架 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于多特征融合的MS目标跟踪算法 | 第41-59页 |
| 4.1 经典MS目标跟踪算法分析 | 第41-43页 |
| 4.1.1 MS跟踪 | 第41-42页 |
| 4.1.2 MS跟踪算法存在的问题分析 | 第42-43页 |
| 4.2 多特征融合目标模型描述及MS定位 | 第43-45页 |
| 4.2.1 多特征目标模型的建立及相似性度量 | 第43-44页 |
| 4.2.2 基于多特征融合MS目标定位 | 第44-45页 |
| 4.3 目标模型更新及遮挡处理 | 第45-48页 |
| 4.3.1 特征可分性计算 | 第45-47页 |
| 4.3.2 目标模型更新 | 第47-48页 |
| 4.3.3 遮挡处理 | 第48页 |
| 4.4 MS的改进策略 | 第48-50页 |
| 4.4.1 尺度自适应 | 第48-49页 |
| 4.4.2 前向—后向MS跟踪 | 第49-50页 |
| 4.5 算法步骤及实验结果分析 | 第50-57页 |
| 4.5.1 算法步骤 | 第50-51页 |
| 4.5.2 实验结果 | 第51-54页 |
| 4.5.3 客观评价结果及分析 | 第54-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 基于多特征融合的粒子滤波目标跟踪算法 | 第59-73页 |
| 5.1 经典粒子滤波目标跟踪算法分析 | 第59-61页 |
| 5.1.1 统计性跟踪方法的数学描述 | 第59-60页 |
| 5.1.2 粒子滤波跟踪 | 第60-61页 |
| 5.2 多特征融合目标模型的建立 | 第61-64页 |
| 5.2.1 多特征融合目标似然模型描述 | 第61-62页 |
| 5.2.2 多特征自适应融合策略 | 第62-64页 |
| 5.3 目标模型更新 | 第64-66页 |
| 5.3.1 特征稳定性及可分性计算 | 第64-65页 |
| 5.3.2 目标模型更新 | 第65-66页 |
| 5.4 算法步骤及实验结果分析 | 第66-71页 |
| 5.4.1 算法步骤 | 第66-67页 |
| 5.4.2 实验结果 | 第67-70页 |
| 5.4.3 客观评价结果及分析 | 第70-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
