| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·车辆目标跟踪的关键问题 | 第15-19页 |
| ·目标的特征提取 | 第15-17页 |
| ·目标跟踪算法 | 第17页 |
| ·车辆跟踪算法 | 第17-19页 |
| ·车辆跟踪的主要难点 | 第19-20页 |
| ·本文的结构安排 | 第20-22页 |
| 第2章 基于 EKM 的车辆目标跟踪算法 | 第22-51页 |
| ·密度估计方法 | 第22-28页 |
| ·密度估计 | 第23-24页 |
| ·核密度估计 | 第24-26页 |
| ·mean shift 基础理论 | 第26-28页 |
| ·mean shift 的目标跟踪算法 | 第28-35页 |
| ·运动目标的数学建模 | 第28-29页 |
| ·基于 Bhattacharyya 系数的目标定位 | 第29-31页 |
| ·mean shift 算法的收敛性 | 第31-32页 |
| ·mean shift 算法的目标跟踪步骤 | 第32-35页 |
| ·卡尔曼滤波 | 第35-41页 |
| ·贝叶斯状态估计 | 第35-37页 |
| ·卡尔曼滤波算法 | 第37-39页 |
| ·卡尔曼目标跟踪算法 | 第39-41页 |
| ·改进的 EKM 车辆跟踪算法 | 第41-45页 |
| ·EKM 算法理论基础 | 第41-42页 |
| ·EKM 算法验证试验 | 第42-45页 |
| ·EKM 算法在复杂环境中的车辆跟踪试验分析 | 第45-50页 |
| ·目标跟踪结果 | 第45-48页 |
| ·实验结论分析 | 第48-50页 |
| ·本章总结 | 第50-51页 |
| 第3章 基于 SPF 的车辆目标跟踪算法 | 第51-75页 |
| ·粒子滤波算法 | 第51-60页 |
| ·基本原理 | 第51-54页 |
| ·粒子滤波采样方法 | 第54-57页 |
| ·粒子的退化问题的解决办法 | 第57-60页 |
| ·改进的 SPF 车辆跟踪算法 | 第60-69页 |
| ·传统粒子滤波算法存在的问题 | 第61-62页 |
| ·SPF 算法的分割方法 | 第62-64页 |
| ·分割区域的运动补偿 | 第64-66页 |
| ·SPF 算法的目标定位 | 第66-69页 |
| ·SPF 算法在复杂环境中的车辆跟踪试验分析 | 第69-73页 |
| ·跟踪结果对比 | 第69-70页 |
| ·跟踪结果分析 | 第70-73页 |
| ·算法耗时比较 | 第73页 |
| ·本章总结 | 第73-75页 |
| 第4章 一种新的目标边缘检测方法 | 第75-99页 |
| ·边缘检测的研究现状 | 第75-80页 |
| ·新的边缘检测算法 | 第80-85页 |
| ·新的统计量的构造 | 第80-83页 |
| ·核函数带宽的优化选择 | 第83-85页 |
| ·试验确定带宽选择 | 第85页 |
| ·边缘检测步骤 | 第85-87页 |
| ·检测窗的建立 | 第85-86页 |
| ·边缘的非极大值抑制方法 | 第86-87页 |
| ·含噪声图像的检测性能 | 第87-98页 |
| ·本章总结 | 第98-99页 |
| 第5章 基于 EMS 的车辆目标跟踪算法 | 第99-124页 |
| ·EMS 算法的理论基础 | 第99-100页 |
| ·基于边界识别的 EMS 算法的目标跟踪步骤 | 第100-101页 |
| ·车辆目标跟踪平台 | 第101-103页 |
| ·EMS 算法在复杂环境中的车辆跟踪试验分析 | 第103-123页 |
| ·目标跟踪结果 | 第103-105页 |
| ·试验结论分析 | 第105-114页 |
| ·特征描述对比 | 第114-117页 |
| ·算法性能评测比较 | 第117-123页 |
| ·本章总结 | 第123-124页 |
| 第6章 总结与展望 | 第124-126页 |
| ·工作总结 | 第124-125页 |
| ·研究展望 | 第125-126页 |
| 参考文献 | 第126-141页 |
| 攻读博士学位期间取得的科研成果 | 第141-142页 |
| 致谢 | 第142页 |