| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景与意义 | 第12-13页 |
| ·目标跟踪系统的发展现状 | 第13-14页 |
| ·滤波理论的研究现状 | 第14-16页 |
| ·本文的主要工作 | 第16页 |
| ·本文的内容安排 | 第16-18页 |
| 第2章 视频目标跟踪理论 | 第18-26页 |
| ·引言 | 第18页 |
| ·视频目标跟踪问题描述 | 第18-22页 |
| ·视频目标跟踪的基本原理 | 第18-19页 |
| ·视频目标跟踪算法分类 | 第19-22页 |
| ·跟踪问题的技术难点及研究热点 | 第22-23页 |
| ·视频目标跟踪的技术难点 | 第22页 |
| ·视频目标跟踪研究的热点 | 第22-23页 |
| ·遮挡问题 | 第23-25页 |
| ·遮挡过程的分析 | 第24-25页 |
| ·遮挡问题的处理方法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 目标跟踪中的滤波理论 | 第26-41页 |
| ·引言 | 第26页 |
| ·贝叶斯滤波原理 | 第26-28页 |
| ·卡尔曼滤波 | 第28-33页 |
| ·标准卡尔曼滤波(KF) | 第28-29页 |
| ·扩展卡尔曼滤波(EKV) | 第29页 |
| ·无迹卡尔曼滤波(UKF) | 第29-33页 |
| ·粒子滤波理论 | 第33-38页 |
| ·蒙特卡罗模拟方法 | 第33-34页 |
| ·重要性采样 | 第34-35页 |
| ·序列重要性采样 | 第35页 |
| ·建议式分布的选择 | 第35-36页 |
| ·重采样技术 | 第36-37页 |
| ·粒子滤波算法 | 第37-38页 |
| ·系统模型 | 第38-39页 |
| ·系统状态模型 | 第38-39页 |
| ·系统观测模型 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 粒子群优化UNSCENTED 粒子滤波算法 | 第41-51页 |
| ·引言 | 第41页 |
| ·粒子滤波的改进算法 | 第41-44页 |
| ·高斯粒子滤波(GPF) | 第41-42页 |
| ·正则化粒子滤波(RPF) | 第42-44页 |
| ·Unscented 粒子滤波器(UPF) | 第44页 |
| ·粒子群优化的UNSCENTED 粒子滤波算法 | 第44-48页 |
| ·粒子群优化算法 | 第44-45页 |
| ·PSO-UPF 算法 | 第45-47页 |
| ·UPF 算法和PSO-UPF 算法的滤波过程比较 | 第47-48页 |
| ·基于PSO-UPF 的算法仿真结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于动态方差模型及特征融合的粒子滤波跟踪方法 | 第51-66页 |
| ·引言 | 第51页 |
| ·图像的色彩模式 | 第51-53页 |
| ·RGB 模型 | 第52-53页 |
| ·HSV 模型 | 第53页 |
| ·目标特征描述 | 第53-56页 |
| ·基于核的颜色直方图 | 第54页 |
| ·基于信息熵的纹理特征 | 第54-56页 |
| ·目标模型 | 第56-58页 |
| ·系统状态转移模型 | 第56页 |
| ·建立融合观测概率模型 | 第56-58页 |
| ·基于特征融合及动态方差系统模型的粒子滤波跟踪算法 | 第58-64页 |
| ·动态系统噪声 | 第58-59页 |
| ·本章算法步骤 | 第59-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第74页 |
