摘要 | 第3-5页 |
ABSTRACT | 第5-7页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-18页 |
1.1 课题的研究背景及意义 | 第11页 |
1.2 多目标跟踪技术发展现状 | 第11-12页 |
1.3 目标跟踪方法分类 | 第12-13页 |
1.3.1 确定性跟踪方法 | 第13页 |
1.3.2 概率跟踪方法 | 第13页 |
1.4 论文的研究工作及创新 | 第13-16页 |
1.4.1 跟踪系统框架 | 第13-15页 |
1.4.2 研究内容与创新 | 第15-16页 |
1.5 论文结构安排 | 第16-18页 |
第2章 目标检测 | 第18-32页 |
2.1 引言 | 第18-19页 |
2.2 混合高斯模型(GMM) | 第19-20页 |
2.3 核密度估计(KDE) | 第20-21页 |
2.4 基于时空域和运动特征的目标检测技术 | 第21-29页 |
2.4.1 算法流程 | 第22-23页 |
2.4.2 模块说明 | 第23-29页 |
2.5 试验结果与分析 | 第29-31页 |
2.6 本章小结 | 第31-32页 |
第3章 贝叶斯状态估计与粒子滤波理论 | 第32-41页 |
3.1 引言 | 第32页 |
3.2 贝叶斯状态估计 | 第32-34页 |
3.2.1 离散系统的状态估计 | 第33页 |
3.2.2 递推贝叶斯滤波 | 第33-34页 |
3.3 粒子滤波 | 第34-40页 |
3.3.1 蒙特卡罗(Monte Carlo)方法 | 第35-36页 |
3.3.2 粒子滤波 | 第36-37页 |
3.3.3 序贯重要性采样 | 第37页 |
3.3.4 退化现象与重采样 | 第37-39页 |
3.3.5 标准粒子滤波算法 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第4章 基于粒子滤波的目标跟踪算法 | 第41-50页 |
4.1 引言 | 第41-42页 |
4.2 目标状态转移模型 | 第42-43页 |
4.3 目标视觉特征建模 | 第43-45页 |
4.4 基于标准粒子滤波器的视觉跟踪算法 | 第45-48页 |
4.4.1 算法描述 | 第45-46页 |
4.4.2 算法实现 | 第46-48页 |
4.5 试验结果与分析 | 第48-49页 |
4.6 本章小结 | 第49-50页 |
第5章 多目标跟踪 | 第50-75页 |
5.1 引言 | 第50-51页 |
5.2 MCMC 采样 | 第51-55页 |
5.2.1 MCMC 方法简介 | 第51-52页 |
5.2.2 MH 抽样方法 | 第52-54页 |
5.2.3 基于MCMC 采样的粒子滤波多目标跟踪算法 | 第54-55页 |
5.3 MRF 图模型 | 第55-60页 |
5.3.1 MRF 理论简介 | 第56-58页 |
5.3.2 用于视觉跟踪的MRF 交互模型 | 第58-60页 |
5.4 外观模型 | 第60-68页 |
5.4.1 外观模型模板 | 第61-62页 |
5.4.2 以外观模型为特征模板的粒子滤波目标跟踪算法 | 第62-66页 |
5.4.3 基于像素分类的目标层次划分法 | 第66页 |
5.4.4 遮挡处理 | 第66-68页 |
5.5 试验结果与分析 | 第68-74页 |
5.5.1 基于MRF 交互模型与MCMC 采样的粒子滤波器多目标跟踪算法的试验结果 | 第68-70页 |
5.5.2 采用颜色直方图与采用外观模型为模板粒子滤波跟踪算法的试验结果比较 | 第70-74页 |
5.6 本章小结 | 第74-75页 |
第6章 多摄像头协同跟踪 | 第75-86页 |
6.1 引言 | 第75页 |
6.2 目标位置映射 | 第75-81页 |
6.2.1 单应矩阵与坐标映射 | 第75-77页 |
6.2.2 标定点的选择 | 第77-81页 |
6.3 目标一致性匹配 | 第81-82页 |
6.4 多摄像头协同分配算法 | 第82-83页 |
6.5 试验结果与分析 | 第83-85页 |
6.6 本章小结 | 第85-86页 |
第7章 总结与展望 | 第86-88页 |
7.1 工作总结 | 第86页 |
7.2 研究展望 | 第86-88页 |
参考文献 | 第88-92页 |
致谢 | 第92-94页 |
攻读硕士期间发表的学术论文 | 第94-96页 |