运动目标轨迹分类与识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景及意义 | 第7-8页 |
| ·轨迹分类的方法 | 第8-11页 |
| ·隐马尔可夫模型(HMM) | 第9页 |
| ·动态时间规整(DTW) | 第9页 |
| ·神经网络(NN) | 第9-11页 |
| ·轨迹识别的难点 | 第11-12页 |
| ·轨迹的有效性判断 | 第11页 |
| ·轨迹的相似性度量 | 第11页 |
| ·正常轨迹的建模 | 第11-12页 |
| ·轨迹识别的发展趋势 | 第12页 |
| ·目标运动轨迹分析与生物特征识别相结合 | 第12页 |
| ·行为理解和描述 | 第12页 |
| ·论文安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 K均值聚类及HMM基本理论 | 第14-42页 |
| ·引言 | 第14-15页 |
| ·轨迹之间距离的度量 | 第15-16页 |
| ·Hausdorff距离 | 第15-16页 |
| ·轨迹之间的距离 | 第16页 |
| ·HMM简介 | 第16-22页 |
| ·Markov链 | 第16-19页 |
| ·HMM基本概念 | 第19-21页 |
| ·HMM类型及其优点 | 第21-22页 |
| ·HMM原理及经典算法 | 第22-33页 |
| ·HMM工作过程和基本原理 | 第22-25页 |
| ·前向-后向算法 | 第25-28页 |
| ·Baum-Welch算法 | 第28-31页 |
| ·Viterbi算法 | 第31-33页 |
| ·HMM算法在应用中的问题及改进方法 | 第33-41页 |
| ·HMM算法实现中的问题 | 第33-35页 |
| ·实际应用中对HMM算法的改进 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 轨迹有效性判断与基于K均值的轨迹自动聚类 | 第42-58页 |
| ·引言 | 第42页 |
| ·轨迹的有效性判断 | 第42-45页 |
| ·长度信息 | 第43页 |
| ·方差信息 | 第43页 |
| ·轨迹编码信息 | 第43-45页 |
| ·轨迹的聚类 | 第45-48页 |
| ·基于K均值的轨迹聚类 | 第46-48页 |
| ·基于运动方向的K均值聚类 | 第48页 |
| ·仿真实验结果与分析 | 第48-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 基于HMM的轨迹识别 | 第58-71页 |
| ·实验准备及系统结构 | 第58-59页 |
| ·HMM模型参数选择及初始化 | 第59-61页 |
| ·轨迹的HMM模型训练 | 第61-66页 |
| ·运动目标轨迹识别 | 第66-67页 |
| ·仿真实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71页 |
| ·未来工作展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79-80页 |
| 西北工业大学学位论文知识产权声明书 | 第80页 |
| 西北工业大学学位论文原创性声明 | 第80页 |
