| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究难点 | 第12-13页 |
| 1.4 本文内容安排 | 第13-15页 |
| 第二章 运动目标跟踪算法 | 第15-26页 |
| 2.1 运动目标跟踪分类 | 第15-16页 |
| 2.2 典型的跟踪算法 | 第16-18页 |
| 2.2.1 基于概率预测的跟踪算法 | 第16-17页 |
| 2.2.2 基于匹配的跟踪算法 | 第17-18页 |
| 2.2.3 基于机器学习分类器的跟踪算法 | 第18页 |
| 2.3 粒子滤波算法 | 第18-25页 |
| 2.3.1 基本思想 | 第18-19页 |
| 2.3.2 贝叶斯估计 | 第19-21页 |
| 2.3.3 蒙特卡洛模拟 | 第21-22页 |
| 2.3.4 重要性采样 | 第22-23页 |
| 2.3.5 建议分布 | 第23-24页 |
| 2.3.6 观测模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于多特征融合的粒子滤波算法 | 第26-43页 |
| 3.1 颜色特征 | 第26-32页 |
| 3.1.1 模糊颜色直方图 | 第27-28页 |
| 3.1.2 CIELAB 颜色空间 | 第28-29页 |
| 3.1.3 模糊 C-均值聚类 | 第29-31页 |
| 3.1.4 观测模型 | 第31-32页 |
| 3.2 梯度特征 | 第32-36页 |
| 3.2.1 梯度算子 | 第32-33页 |
| 3.2.2 梯度直方图 | 第33-34页 |
| 3.2.3 区域划分 | 第34-35页 |
| 3.2.4 观测模型 | 第35-36页 |
| 3.3 多特征融合的观测模型 | 第36-40页 |
| 3.3.1 观测模型 | 第36-37页 |
| 3.3.2 特征相似度权重确定 | 第37-39页 |
| 3.3.3 粒子重采样 | 第39-40页 |
| 3.4 算法步骤 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 光照补偿模型 | 第43-50页 |
| 4.1 典型光照处理方法 | 第43-44页 |
| 4.1.1 图像预处理 | 第43-44页 |
| 4.1.2 光照不变特征提取 | 第44页 |
| 4.1.3 基于光照变化建模 | 第44页 |
| 4.2 光照模型 | 第44-46页 |
| 4.3 光照变化检测和补偿 | 第46-49页 |
| 4.3.1 光照变化检测 | 第46-47页 |
| 4.3.2 光照补偿 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验结果及分析 | 第50-57页 |
| 5.1 传统颜色直方图与模糊颜色直方图跟踪效果对比实验 | 第50-51页 |
| 5.2 模糊颜色直方图和梯度直方图跟踪效果对比实验 | 第51-53页 |
| 5.3 颜色特征、梯度特征以及特征融合的跟踪效果对比实验 | 第53-54页 |
| 5.4 光照补偿与未光照补偿跟踪效果对比实验 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
