| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 目标跟踪概述 | 第11-14页 |
| 1.2.1 单目标跟踪方法概述 | 第11-13页 |
| 1.2.2 多目标跟踪方法概述 | 第13-14页 |
| 1.3 论文主要创新点以及结构安排 | 第14-16页 |
| 第二章 粒子滤波与目标跟踪基础理论 | 第16-27页 |
| 2.1 粒子滤波原理 | 第16-18页 |
| 2.1.1 贝叶斯估计 | 第16-17页 |
| 2.1.2 蒙特卡洛随机模拟 | 第17-18页 |
| 2.2 粒子滤波应用到的统计学方法 | 第18-22页 |
| 2.2.1 重要性采样方法原理简述 | 第18-21页 |
| 2.2.2 重采样方法简述 | 第21-22页 |
| 2.3 粒子滤波的算法实现 | 第22-24页 |
| 2.3.1 目标跟踪的观测模型 | 第22-23页 |
| 2.3.2 基本粒子滤波算法流程 | 第23-24页 |
| 2.4 基于粒子滤波目标跟踪仿真 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 利用粒子滤波方法的视频目标跟踪 | 第27-37页 |
| 3.1 颜色特征有关理论 | 第27-32页 |
| 3.1.1 彩色图像目标模型建立 | 第27-30页 |
| 3.1.2 彩色图像的相似性研究 | 第30-32页 |
| 3.2 利用粒子滤波进行视频目标跟踪算法的实施 | 第32-34页 |
| 3.2.1 模型更新策略 | 第32-33页 |
| 3.2.2 利用粒子滤波进行视频目标跟踪的算法流程 | 第33-34页 |
| 3.3 视频目标跟踪仿真分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 多目标跟踪的随机有限集实现方法 | 第37-53页 |
| 4.1 随机有限集的统计学基础 | 第37-42页 |
| 4.1.1 随机有限集的概念 | 第37-38页 |
| 4.1.2 随机有限集的微积分 | 第38-39页 |
| 4.1.3 利用随机有限集理论的多目标跟踪建模 | 第39-42页 |
| 4.2 PHD和CPHD滤波方法 | 第42-44页 |
| 4.2.1 PHD滤波方法 | 第42页 |
| 4.2.2 CPHD滤波方法 | 第42-44页 |
| 4.3 随机有限集多伯努利滤波方法 | 第44-47页 |
| 4.3.1 多伯努利随机有限集的定义 | 第44页 |
| 4.3.2 多目标多伯努利滤波器及其一种改进方法 | 第44-47页 |
| 4.4 多目标跟踪仿真分析 | 第47-52页 |
| 4.4.1 模拟多目标跟踪的仿真 | 第47-50页 |
| 4.4.2 实际视频多目标跟踪仿真 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 利用特征融合多伯努利滤波器的视频多目标跟踪实现 | 第53-66页 |
| 5.1 多目标跟踪的观测模型 | 第53-58页 |
| 5.1.1 特征融合跟踪模板 | 第53-58页 |
| 5.1.2 模板更新策略 | 第58页 |
| 5.2 基于特征融合多伯努利滤波器的视频多目标跟踪流程 | 第58-61页 |
| 5.2.1 跟踪过程的实现步骤 | 第58-60页 |
| 5.2.2 流程框图 | 第60-61页 |
| 5.3 多目标视频跟踪仿真分析 | 第61-65页 |
| 5.3.1 曲棍球运动员跟踪仿真 | 第61-63页 |
| 5.3.2 足球运动员跟踪仿真 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
