| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 本课题相关领域研究现状 | 第9-11页 |
| 1.2.1 智能交通监控的国内外研究现状 | 第9-10页 |
| 1.2.2 视觉目标跟踪的国内外研究现状 | 第10-11页 |
| 1.3 视觉目标跟踪的关键问题 | 第11-13页 |
| 1.4 论文主要工作与结构安排 | 第13-14页 |
| 2 常用跟踪方法介绍与分析 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 基于优化匹配的目标跟踪 | 第14-19页 |
| 2.2.1 均值漂移基本理论 | 第14-16页 |
| 2.2.2 均值漂移跟踪算法 | 第16-19页 |
| 2.3 基于运动预测的目标跟踪 | 第19-25页 |
| 2.3.1 卡尔曼滤波跟踪算法 | 第19-20页 |
| 2.3.2 粒子滤波跟踪算法 | 第20-25页 |
| 2.4 本文目标跟踪框架确定 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 3 目标视觉特征提取 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 颜色特征 | 第28-31页 |
| 3.2.1 空间模型 | 第28-30页 |
| 3.2.2 直方图量化 | 第30-31页 |
| 3.3 纹理特征 | 第31-33页 |
| 3.4 边缘特征 | 第33-34页 |
| 3.5 基于重要性加权和分步模糊推理的边缘特征提取 | 第34-42页 |
| 3.5.1 模糊推理边缘检测的一般思路及改进方向 | 第34-37页 |
| 3.5.2 边缘特征及其重要性权值定义 | 第37-38页 |
| 3.5.3 基于重要性加权的分步推理策略 | 第38-39页 |
| 3.5.4 基于面积近似的重心法解模糊 | 第39-40页 |
| 3.5.5 后续处理与直方图构造 | 第40-41页 |
| 3.5.6 本文边缘特征提取算法完整描述 | 第41-42页 |
| 3.6 仿真实验与分析 | 第42-47页 |
| 3.6.1 颜色和纹理特征提取 | 第42-43页 |
| 3.6.2 边缘特征提取 | 第43-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 基于多特征融合的目标跟踪 | 第48-66页 |
| 4.1 引言 | 第48页 |
| 4.2 核函数粒子滤波 | 第48-49页 |
| 4.3 粒子滤波框架下基于对数似然比的多特征融合 | 第49-52页 |
| 4.3.1 多特征融合策略 | 第49-50页 |
| 4.3.2 相似性度量 | 第50-51页 |
| 4.3.3 动态融合权值分配 | 第51-52页 |
| 4.4 基于多特征融合的核函数粒子滤波目标跟踪 | 第52-60页 |
| 4.4.1 总体流程 | 第52-53页 |
| 4.4.2 初始化 | 第53-54页 |
| 4.4.3 状态转移模型 | 第54-55页 |
| 4.4.4 系统观测模型 | 第55-57页 |
| 4.4.5 目标位置确定 | 第57页 |
| 4.4.6 目标模板更新 | 第57-58页 |
| 4.4.7 核函数加权调整 | 第58-59页 |
| 4.4.8 重采样 | 第59-60页 |
| 4.5 仿真实验与分析 | 第60-64页 |
| 4.5.1 核函数粒子滤波跟踪算法验证 | 第60-62页 |
| 4.5.2 复杂交通场景下多特征融合的跟踪算法验证 | 第62-64页 |
| 4.6 本章小结 | 第64-66页 |
| 5 总结与展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
| A. 作者在攻读学位期间发表的论文目录 | 第74页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第74页 |