| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 目标跟踪算法研究现状 | 第12-13页 |
| 1.2.2 特征提取算法研究现状 | 第13页 |
| 1.3 目标跟踪中的难点分析 | 第13-14页 |
| 1.4 论文的研究内容 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 第2章 运动目标跟踪技术理论分析 | 第17-22页 |
| 2.1 前言 | 第17-18页 |
| 2.2 目标特征提取算法分析 | 第18-19页 |
| 2.3 目标检测技术分析 | 第19页 |
| 2.4 目标跟踪技术分析 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于多特征融合的粒子滤波目标跟踪算法研究 | 第22-37页 |
| 3.1 贝叶斯滤波 | 第22-23页 |
| 3.2 粒子滤波 | 第23-30页 |
| 3.2.1 蒙特卡洛离散化 | 第24页 |
| 3.2.2 重要性采样 | 第24-26页 |
| 3.2.3 序贯重要性采样 | 第26-27页 |
| 3.2.4 粒子退化及重采样 | 第27-28页 |
| 3.2.5 经典粒子滤波算法 | 第28-30页 |
| 3.3 目标特征提取 | 第30-35页 |
| 3.3.1 颜色特征提取 | 第30-31页 |
| 3.3.2 边缘特征提取 | 第31-32页 |
| 3.3.3 LBP特征提取 | 第32-34页 |
| 3.3.4 目标的相似性度量 | 第34-35页 |
| 3.4 多特征融合的粒子滤波算法 | 第35-36页 |
| 3.4.1 目标特征的不确定性度量 | 第35页 |
| 3.4.2 多特征权值的融合 | 第35页 |
| 3.4.3 多特征融合的粒子滤波目标跟踪算法 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于上下文信息的粒子滤波目标跟踪算法研究 | 第37-45页 |
| 4.1 前言 | 第37页 |
| 4.2 时空上下文算法原理 | 第37-38页 |
| 4.3 上下文先验概率模型 | 第38页 |
| 4.4 空间上下文条件概率模型 | 第38-39页 |
| 4.5 置信图计算 | 第39-40页 |
| 4.6 跟踪算法的提出 | 第40-41页 |
| 4.6.1 时空上下文模型的更新 | 第41页 |
| 4.6.2 尺度更新 | 第41页 |
| 4.7 目标遮挡判定 | 第41-43页 |
| 4.8 基于上下文信息的粒子滤波目标跟踪算法 | 第43-44页 |
| 4.9 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-56页 |
| 5.1 基于多特征融合的粒子滤波目标跟踪算法仿真实验 | 第45-52页 |
| 5.1.1 与传统粒子滤波算法实验对比分析 | 第45-49页 |
| 5.1.2 与其他相应目标跟踪算法实验对比分析 | 第49-52页 |
| 5.2 基于上下文信息的粒子滤波目标跟踪算法仿真实验 | 第52-55页 |
| 5.2.1 与传统时空上下文算法实验对比分析 | 第52-53页 |
| 5.2.2 与相应的目标跟踪算法实验对比分析 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |