| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景和研究意义 | 第11-12页 |
| ·目标跟踪算法研究现状 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 粒子滤波跟踪 | 第15-22页 |
| ·贝叶斯估计 | 第15-16页 |
| ·重要性采样 | 第16-17页 |
| ·状态空间的表示 | 第17页 |
| ·粒子滤波 | 第17-20页 |
| ·重采样 | 第19页 |
| ·重要性函数 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 视频序列中的目标特征 | 第22-33页 |
| ·集成学习方法 | 第22-29页 |
| ·弱分类器 | 第22-24页 |
| ·集成学习分类器的更新 | 第24-26页 |
| ·集成学习方法的一些改进 | 第26-29页 |
| ·轮廓特征 | 第29-31页 |
| ·轮廓匹配度 | 第29-30页 |
| ·实验结果 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 贯序信任传播的粒子滤波及其在视频跟踪上的应用 | 第33-46页 |
| ·信任传播算法 | 第33-34页 |
| ·贯序信任传播算法 | 第34-35页 |
| ·SBP粒子滤波 | 第35-36页 |
| ·多特征跟踪 | 第36-39页 |
| ·基于物理运动信息多目标跟踪方法 | 第39-43页 |
| ·磁性信任传播 | 第39-40页 |
| ·惯性信任传播 | 第40页 |
| ·磁惯性信任传播跟踪算法 | 第40-43页 |
| ·实验 | 第43页 |
| ·本章小结 | 第43-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间发表的学术论文目录 | 第52页 |