| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-13页 |
| 第1章 绪论 | 第13-23页 |
| ·课题背景及研究的目的和意义 | 第13-14页 |
| ·视频目标跟踪及其关键技术发展概况 | 第14-19页 |
| ·目标跟踪算法研究现状 | 第14-16页 |
| ·基于粒子滤波器的目标跟踪算法研究现状 | 第16-19页 |
| ·目标特征描述方法研究现状 | 第19页 |
| ·研究内容和论文结构 | 第19-23页 |
| ·论文的研究内容 | 第20-21页 |
| ·论文的结构安排 | 第21-23页 |
| 第2章 多区域联合粒子滤波器算法 | 第23-60页 |
| ·引言 | 第23-25页 |
| ·贝叶斯视频目标跟踪框架以及粒子滤波器 | 第25-30页 |
| ·贝叶斯概率框架 | 第25-27页 |
| ·序列重要性采样 | 第27-28页 |
| ·基本粒子滤波器 | 第28-30页 |
| ·多区域联合粒子滤波器 | 第30-43页 |
| ·目标多区域表示方法的可行性分析 | 第31-34页 |
| ·多区域联合粒子滤波器算法 | 第34-41页 |
| ·基于马尔科夫链蒙特卡洛的粒子采样 | 第41-43页 |
| ·多区域联合粒子滤波器对状态预测的正确性分析 | 第43-44页 |
| ·实验与仿真结果分析 | 第44-59页 |
| ·实验设置 | 第44-45页 |
| ·多区域联合粒子滤波器算法步骤 | 第45-47页 |
| ·MCMC粒子采样有效性分析 | 第47-50页 |
| ·视频序列的测试结果及其分析 | 第50-59页 |
| ·本章小结 | 第59-60页 |
| 第3章 概率预测与分类联合的目标跟踪定位方法 | 第60-82页 |
| ·引言 | 第60-61页 |
| ·粒子滤波器与分类方法结合的目标跟踪框架 | 第61-62页 |
| ·基于分类的目标定位 | 第62-70页 |
| ·分类器的样本表示 | 第62-63页 |
| ·分类器的初始化 | 第63-65页 |
| ·分类器的设计及在线更新 | 第65-70页 |
| ·概率预测与分类结合的目标跟踪定位算法步骤 | 第70-72页 |
| ·实验结果与分析 | 第72-80页 |
| ·尺度变化视频的实验结果及其分析 | 第72-76页 |
| ·遮挡视频的实验结果及其分析 | 第76-78页 |
| ·相似背景视频的实验结果及其分析 | 第78-80页 |
| ·本章总结 | 第80-82页 |
| 第4章 粒子滤波器中多特征自适应融合的目标外观特征表示方法 | 第82-106页 |
| ·引言 | 第82-84页 |
| ·粒子滤波器中多特征自适应融合的目标外观特征表示框架 | 第84-85页 |
| ·权值逐帧调节算法 | 第85-87页 |
| ·主从式权值调整算法 | 第87-88页 |
| ·权值跟踪算法 | 第88-89页 |
| ·基于自适应权值跟踪的粒子滤波器算法 | 第89-91页 |
| ·实验结果和分析 | 第91-105页 |
| ·实验中采用的特征提取方法及参数设置 | 第91-92页 |
| ·实验结果及分析 | 第92-105页 |
| ·本章小结 | 第105-106页 |
| 第5章 短道速滑运动员滑行数据测量系统 | 第106-122页 |
| ·引言 | 第106页 |
| ·系统的需求分析 | 第106-107页 |
| ·短道速滑运动员滑行数据分析系统设计 | 第107-112页 |
| ·摄像机运动补偿 | 第107-109页 |
| ·运动员滑行数据测量 | 第109-112页 |
| ·系统输出及数据分析 | 第112-120页 |
| ·系统输出数据 | 第112-114页 |
| ·系统输出数据与其它算法的对比分析 | 第114-120页 |
| ·本章小结 | 第120-122页 |
| 结论 | 第122-125页 |
| 参考文献 | 第125-135页 |
| 攻读博士学位期间发表的论文及其它成果 | 第135-137页 |
| 致谢 | 第137-138页 |
| 个人简历 | 第138页 |