基于粒子滤波的多目标跟踪算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 多目标跟踪的研究意义 | 第8页 |
| 1.2 多目标跟踪的国内外现状分析 | 第8-11页 |
| 1.3 本文的主要工作及结构安排 | 第11-12页 |
| 第二章 图像分割 | 第12-16页 |
| 2.1 引言 | 第12页 |
| 2.2 基于活动轮廓模型分割算法 | 第12-14页 |
| 2.2.1 活动轮廓模型原理介绍 | 第12-13页 |
| 2.2.2 泊松逆梯度（PIG）原理介绍 | 第13页 |
| 2.2.3 基于PIG的图像分割算法 | 第13-14页 |
| 2.3 仿真实验 | 第14-16页 |
| 第三章 粒子滤波算法 | 第16-21页 |
| 3.1 粒子滤波原理概述 | 第16-17页 |
| 3.2 算法模型 | 第17-18页 |
| 3.2.1 观测模型 | 第17页 |
| 3.2.2 运动模型 | 第17-18页 |
| 3.3 算法描述 | 第18-19页 |
| 3.4 仿真实验 | 第19-21页 |
| 第四章 基于抑制的免疫优化算法 | 第21-24页 |
| 4.1 免疫系统机理 | 第21页 |
| 4.2 人工免疫优化算法 | 第21-24页 |
| 4.2.1 克隆选择算法 | 第22页 |
| 4.2.2 免疫网络模型 | 第22-24页 |
| 第五章 基于抑制的免疫粒子滤波的多目标跟踪算法 | 第24-41页 |
| 5.1 引言 | 第24页 |
| 5.2 多目标跟踪关键问题描述 | 第24-25页 |
| 5.3 基于抑制的免疫粒子滤波的多目标跟踪算法 | 第25-34页 |
| 5.3.1 多目标跟踪算法基本思路 | 第25-26页 |
| 5.3.2 多目标跟踪算法的实现 | 第26-34页 |
| 5.4 实验及结论分析 | 第34-41页 |
| 第六章 总结与展望 | 第41-42页 |
| 6.1 总结 | 第41页 |
| 6.2 展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-47页 |
| 附录I 攻读学位其间发表的论文 | 第47-48页 |
| 详细摘要 | 第48-51页 |
