复杂场景下稳健性目标跟踪算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 课题来源与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.3 主要工作与结构安排 | 第21-23页 |
| 第二章 目标跟踪算法原理 | 第23-34页 |
| 2.1 引言 | 第23-24页 |
| 2.2 基于生成式模型的目标跟踪方法 | 第24-28页 |
| 2.2.1 卡尔曼滤波方法 | 第24-26页 |
| 2.2.2 粒子滤波方法 | 第26-28页 |
| 2.3 基于判别式模型的目标跟踪方法 | 第28-32页 |
| 2.3.1 特征类型 | 第28-30页 |
| 2.3.2 分类器介绍 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 基于改进粒子滤波的目标跟踪 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 贝叶斯滤波 | 第35-36页 |
| 3.3 IP-MCMC-PF目标跟踪 | 第36-43页 |
| 3.3.1 自适应延迟平滑器 | 第37-40页 |
| 3.3.2 IP-MCMC-PF算法 | 第40-41页 |
| 3.3.3 检测器的设计 | 第41页 |
| 3.3.4 PN学习方法 | 第41-42页 |
| 3.3.5 算法流程 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 自适应压缩感知目标跟踪算法 | 第48-66页 |
| 4.1 引言 | 第48-50页 |
| 4.2 压缩感知理论 | 第50-53页 |
| 4.2.1 压缩感知基本思想 | 第50-51页 |
| 4.2.2 压缩感知跟踪 | 第51-53页 |
| 4.3 自适应的压缩感知目标跟踪 | 第53-58页 |
| 4.3.1 目标的多尺度表示 | 第53-55页 |
| 4.3.2 分类器的自适应更新 | 第55-56页 |
| 4.3.3 特征选择 | 第56-58页 |
| 4.3.4 算法流程 | 第58页 |
| 4.4 实验结果与分析 | 第58-65页 |
| 4.4.1 参数设置 | 第59页 |
| 4.4.2 评估准则 | 第59页 |
| 4.4.3 定量分析 | 第59-61页 |
| 4.4.4 定性分析 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
