基于改进型粒子滤波的视频目标跟踪算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展前景 | 第11-13页 |
| 1.3 视频目标跟踪算法研究现状 | 第13-15页 |
| 1.4 本论文的主要工作 | 第15-17页 |
| 2 组合分片目标建模算法 | 第17-30页 |
| 2.1 建模模型目标特征选取 | 第17-22页 |
| 2.1.1 颜色特征 | 第17-19页 |
| 2.1.2 空间特征 | 第19-21页 |
| 2.1.3 形状特征 | 第21-22页 |
| 2.2 建模模型结构分类 | 第22-26页 |
| 2.2.1 常用的建模模型分片结构 | 第22-24页 |
| 2.2.2 不同分片建模模型的性能仿真实验 | 第24-26页 |
| 2.3 组合分片目标建模算法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 运动目标位置定位算法 | 第30-47页 |
| 3.1 常用位置定位算法 | 第30-35页 |
| 3.1.1 MeanShift均值漂移算法 | 第30-31页 |
| 3.1.2 卡尔曼滤波算法 | 第31-32页 |
| 3.1.3 粒子滤波算法 | 第32-35页 |
| 3.2 常用粒子滤波重采样算法 | 第35-39页 |
| 3.2.1 累积和重采样算法 | 第35-36页 |
| 3.2.2 优化组合重采样算法 | 第36-38页 |
| 3.2.3 高斯重采样算法 | 第38-39页 |
| 3.3 改进型高斯重采样算法 | 第39-42页 |
| 3.4 重采样算法实验仿真 | 第42-46页 |
| 3.4.1 单变量非增长模型 | 第42-45页 |
| 3.4.2 二维随机运动模型 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于改进型粒子滤波的视频目标跟踪算法 | 第47-57页 |
| 4.1 基本原理 | 第47-48页 |
| 4.2 运动目标检测算法 | 第48-49页 |
| 4.2.1 常用的运动目标检测算法 | 第48-49页 |
| 4.2.2 交互式目标区域分割法 | 第49页 |
| 4.3 相似性度量 | 第49-51页 |
| 4.4 目标遮挡判定策略 | 第51-52页 |
| 4.5 分片权重更新策略 | 第52-53页 |
| 4.6 改进型粒子滤波的视频目标跟踪算法流程 | 第53-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 仿真实验 | 第57-64页 |
| 5.1 仿真实验前准备工作 | 第57-59页 |
| 5.1.1 实验环境 | 第57页 |
| 5.1.2 实验参数设定 | 第57-58页 |
| 5.1.3 对比算法介绍 | 第58-59页 |
| 5.2 仿真实验效果分析 | 第59-63页 |
| 5.2.1 仿真实验一 | 第59-60页 |
| 5.2.2 仿真实验二 | 第60-62页 |
| 5.2.3 仿真实验三 | 第62-63页 |
| 5.2.4 算法成功率对比 | 第63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表论文及科研成果 | 第71-72页 |
| 致谢 | 第72页 |
