基于粒子滤波与局部稀疏表达的运动目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 运动目标跟踪研究现状 | 第13-18页 |
| 1.2.1 运动目标跟踪算法概述 | 第13-16页 |
| 1.2.2 运动目标跟踪中的粒子滤波 | 第16-17页 |
| 1.2.3 运动目标跟踪亟待解决的问题 | 第17-18页 |
| 1.3 论文研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第2章 相关研究 | 第20-32页 |
| 2.1 逐次状态估计理论 | 第20-22页 |
| 2.1.1 目标状态空间模型的表示 | 第20-22页 |
| 2.1.2 逐次状态估计问题描述 | 第22页 |
| 2.2 贝叶斯滤波 | 第22-25页 |
| 2.2.1 贝叶斯滤波理论 | 第22-23页 |
| 2.2.2 近似贝叶斯滤波 | 第23-25页 |
| 2.3 粒子滤波 | 第25-31页 |
| 2.3.1 蒙特卡罗方法 | 第25-26页 |
| 2.3.2 重要性采样 | 第26-28页 |
| 2.3.3 序贯重要性采样 | 第28-30页 |
| 2.3.4 粒子退化与样本衰竭 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 人工鱼群粒子滤波算法改进 | 第32-45页 |
| 3.1 基于简单人工鱼群的粒子滤波改进算法 | 第32-38页 |
| 3.1.1 人工鱼群算法 | 第32-35页 |
| 3.1.2 简单人工鱼群粒子滤波改进算法 | 第35-38页 |
| 3.2 基于混沌人工鱼群的粒子滤波改进算法 | 第38-40页 |
| 3.2.1 混沌人工鱼群算法 | 第38-39页 |
| 3.2.2 混沌人工鱼群粒子滤波改进算法 | 第39-40页 |
| 3.3 算法仿真实验结果与分析 | 第40-44页 |
| 3.3.1 仿真实验设计 | 第40-41页 |
| 3.3.2 仿真实验结果分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 联合局部稀疏表达的运动目标跟踪 | 第45-58页 |
| 4.1 目标的局部稀疏表达 | 第45-49页 |
| 4.1.1 稀疏表达理论分析 | 第46-47页 |
| 4.1.2 目标字典的构建 | 第47-49页 |
| 4.1.3 目标的表达 | 第49页 |
| 4.2 粒子滤波运动目标跟踪算法实现 | 第49-52页 |
| 4.2.1 分类器训练 | 第49-50页 |
| 4.2.2 粒子滤波框架 | 第50-51页 |
| 4.2.3 双粒子滤波与字典更新 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-57页 |
| 4.3.1 定量分析 | 第53-55页 |
| 4.3.2 定性分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读硕士学位期间发表论文及申请专利目录 | 第66-67页 |
| 附录B 攻读硕士学位期间所参加的科研项目目录 | 第67页 |
