| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 课题的国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容和结构安排 | 第13-15页 |
| 第2章 MEAN SHIFT算法基础理论 | 第15-41页 |
| 2.1 没有参数的密度估计 | 第15-17页 |
| 2.2 核函数法 | 第17-26页 |
| 2.2.1 核函数法的推导 | 第17-18页 |
| 2.2.2 核函数统计法的性质 | 第18-26页 |
| 2.3 MEAN SHIFT算法推导 | 第26-34页 |
| 2.3.1 核密度梯度估计 | 第26-30页 |
| 2.3.2 Mean Shift向量的推导 | 第30-32页 |
| 2.3.3 Mean Shift算法的收敛性证明 | 第32-34页 |
| 2.3.4 Mean Shift算法的优点 | 第34页 |
| 2.4 基于MEAN SHIFT算法的目标跟踪 | 第34-40页 |
| 2.4.1 基于Mean Shift算法的目标追踪算法的推导 | 第36-39页 |
| 2.4.2 基于Mean Shift算法的目标跟踪的复杂度 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 KALMAN预测理论与质心算法 | 第41-50页 |
| 3.1 KALMAN预测理论 | 第41-44页 |
| 3.1.1 卡尔曼滤波器的算法 | 第41-42页 |
| 3.1.2 运动模型分析 | 第42-44页 |
| 3.2 彩色直方图基础理论 | 第44-46页 |
| 3.3 质心算法 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 KALMAN预测及质心算法结合MEAN SHIFT的目标跟踪算法 | 第50-62页 |
| 4.1 KALMAN预测及质心算法结合MEAN SHIFT的目标跟踪算法的推导 | 第51-52页 |
| 4.2 KALMAN预测及质心算法结合MEAN SHIFT的目标跟踪算法流程图 | 第52-55页 |
| 4.3 改进MEAN SHIFT算法计算复杂度分析 | 第55页 |
| 4.4 实验结果与分析 | 第55-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
