基于粒子滤波器的智能目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-15页 |
| ·选题研究背景及其意义 | 第8页 |
| ·目标跟踪技术理论 | 第8-12页 |
| ·目标跟踪技术简介 | 第8-9页 |
| ·目标跟踪技术应用领域 | 第9-11页 |
| ·目标跟踪技术研究现状及其技术难点 | 第11-12页 |
| ·粒子滤波算法在目标跟踪领域的研究现状 | 第12-13页 |
| ·主要研究内容及组织构架 | 第13-15页 |
| ·主要研究内容 | 第13-14页 |
| ·本文组织构架 | 第14-15页 |
| 第2章 粒子滤波理论 | 第15-23页 |
| ·章节引言 | 第15页 |
| ·贝叶斯估计理论 | 第15-18页 |
| ·状态空间模型 | 第15-16页 |
| ·贝叶斯递推估计理论 | 第16-18页 |
| ·粒子滤波 | 第18-21页 |
| ·蒙特卡洛方法 | 第18页 |
| ·贝叶斯重要性采样 | 第18-19页 |
| ·序列重要性采样 | 第19-20页 |
| ·重采样 | 第20-21页 |
| ·基本粒子滤波算法流程 | 第21页 |
| ·实验结果及分析 | 第21-22页 |
| ·章节小结 | 第22-23页 |
| 第3章 多目标跟踪方法与理论基础 | 第23-31页 |
| ·章节引言 | 第23页 |
| ·混合粒子滤波算法(MPF) | 第23-27页 |
| ·增强型粒子滤波算法(BPF) | 第27-29页 |
| ·粒子滤波多目标跟踪算法 | 第29-30页 |
| ·章节小结 | 第30-31页 |
| 第4章 HOG+Adaboost检测 | 第31-43页 |
| ·章节引言 | 第31页 |
| ·HOG特征提取 | 第31-33页 |
| ·分类算法选择 | 第33-38页 |
| ·Adaboost算法简介 | 第34-35页 |
| ·Real Adaboost算法 | 第35页 |
| ·Gentle Adaboost算法 | 第35-36页 |
| ·Modest Adaboost算法 | 第36-38页 |
| ·HOG+Adaboost检测框架设计 | 第38-40页 |
| ·训练样本库选择 | 第38-39页 |
| ·弱分类器结构 | 第39页 |
| ·最强分类器结构 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·章节小结 | 第42-43页 |
| 第5章 目标跟踪算法 | 第43-53页 |
| ·章节引言 | 第43页 |
| ·目标运动模型设计 | 第43-44页 |
| ·似然模型 | 第44-50页 |
| ·分块-积分直方图 | 第44-47页 |
| ·LBP特征 | 第47-49页 |
| ·多特征信息融合 | 第49页 |
| ·基于多特征的目标跟踪实验 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·研究展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间公开发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
