| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·基于粒子滤波的跟踪方法 | 第11-12页 |
| ·基于Mean Shift的跟踪方法 | 第12-14页 |
| ·存在的问题 | 第14-15页 |
| ·本文研究内容及篇章结构 | 第15-18页 |
| ·本文研究内容 | 第15-16页 |
| ·论文篇章结构 | 第16-18页 |
| 2 视频目标跟踪中相关理论 | 第18-24页 |
| ·引言 | 第18页 |
| ·视频目标检测 | 第18-19页 |
| ·视频目标的有效表达 | 第19页 |
| ·相似性度量方法 | 第19-21页 |
| ·视频目标跟踪方法 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 粒子滤波理论 | 第24-34页 |
| ·引言 | 第24页 |
| ·基础知识与理论 | 第24-28页 |
| ·状态空间模型 | 第24-25页 |
| ·贝叶斯滤波原理 | 第25-27页 |
| ·蒙特卡罗方法 | 第27-28页 |
| ·粒子滤波算法 | 第28-33页 |
| ·重要性采样 | 第28-29页 |
| ·序贯重要性采样 | 第29-30页 |
| ·粒子退化和重采样 | 第30-31页 |
| ·粒子滤波算法基本流程 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于多特征融合自适应的粒子滤波跟踪算法研究 | 第34-48页 |
| ·引言 | 第34-35页 |
| ·基于多特征融合自适应的粒子滤波视频目标跟踪算法 | 第35-42页 |
| ·状态转移模型 | 第35页 |
| ·观测模型 | 第35-39页 |
| ·粒子数目自适应调整策略 | 第39-41页 |
| ·基于多特征融合自适应的粒子滤波跟踪算法过程 | 第41-42页 |
| ·实验结果与分析 | 第42-46页 |
| ·本章小结 | 第46-48页 |
| 5 基于粒子滤波与Mean Shift的视频目标跟踪算法研究 | 第48-68页 |
| ·引言 | 第48页 |
| ·Mean Shift算法及其在目标跟踪中的应用 | 第48-53页 |
| ·Mean Shift算法 | 第48-51页 |
| ·Mean Shift算法在视频目标跟踪中的应用 | 第51-53页 |
| ·基于多特征融合与Mean Shift的粒子滤波跟踪算法 | 第53-58页 |
| ·粒子滤波与Mean Shift算法融合分析 | 第53-55页 |
| ·基于多特征融合与Mean Shift的粒子滤波跟踪算法过程 | 第55-58页 |
| ·实验结果与分析 | 第58-67页 |
| ·基于多特征融合的粒子滤波跟踪实验 | 第58-60页 |
| ·基于多特征融合与Mean Shift的粒子滤波跟踪实验 | 第60-62页 |
| ·跟踪实验性能对比分析 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 作者简历 | 第76-77页 |
| 学位论文数据集 | 第77页 |
