基于MS和粒子滤波的多目标跟踪方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 多目标跟踪背景及意义 | 第11-12页 |
| 1.2 多目标跟踪及其关键技术研究概况 | 第12-15页 |
| 1.2.1 多目标跟踪发展现状 | 第12-13页 |
| 1.2.2 均值漂移的多目标跟踪算法研究现状 | 第13-14页 |
| 1.2.3 粒子滤波多目标跟踪算法的研究现状 | 第14-15页 |
| 1.3 多目标跟踪难点与创新 | 第15页 |
| 1.4 论文的主要研究工作 | 第15-17页 |
| 第2章 多目标跟踪方法研究与分析 | 第17-29页 |
| 2.1 多目标跟踪系统的特点及基本原理 | 第17-20页 |
| 2.1.1 建立目标模型 | 第19页 |
| 2.1.2 多目标的跟踪起始与终结 | 第19页 |
| 2.1.3 跟踪门 | 第19-20页 |
| 2.2 基于观测–航迹关联的多目标跟踪方法 | 第20-22页 |
| 2.2.1 全局最近邻关联 | 第20页 |
| 2.2.2 联合概率数据关联（JPDA） | 第20-21页 |
| 2.2.3 多假设跟踪器 | 第21-22页 |
| 2.3 无观测–航迹关联的多目标跟踪方法 | 第22-26页 |
| 2.3.1 一般多目标粒子滤波 | 第22-23页 |
| 2.3.2 随机集多目标滤波 | 第23-26页 |
| 2.4 多目标跟踪的难点 | 第26-28页 |
| 2.4.1 复杂场景参数估计 | 第26-27页 |
| 2.4.2 多目标状态提取 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 均值漂移算法 | 第29-41页 |
| 3.1 Mean Shift理论 | 第29-31页 |
| 3.1.1 核密度估计 | 第29-31页 |
| 3.1.2 均值漂移向量 | 第31页 |
| 3.2 基于均值漂移的目标跟踪算法 | 第31-34页 |
| 3.2.1 建立目标模型 | 第31-32页 |
| 3.2.2 建立候选区域模型 | 第32页 |
| 3.2.3 Bhattacharyya系数 | 第32-34页 |
| 3.3 算法仿真与实现 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 粒子滤波 | 第41-51页 |
| 4.1 粒子滤波理论 | 第41-45页 |
| 4.1.1 贝叶斯估计基本原理与方法 | 第41-42页 |
| 4.1.2 蒙特卡洛方法 | 第42-43页 |
| 4.1.3 序列化重要性采样 | 第43-44页 |
| 4.1.4 粒子退化现象 | 第44-45页 |
| 4.2 粒子滤波目标算法描述 | 第45-47页 |
| 4.2.1 目标模型 | 第45页 |
| 4.2.2 粒子滤波跟踪算法 | 第45-47页 |
| 4.3 算法仿真与实现 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 改进的多目标跟踪算法 | 第51-62页 |
| 5.1 改进后的多目标跟踪算法描述 | 第51-55页 |
| 5.1.1 算法初始化 | 第53页 |
| 5.1.2 预测步骤 | 第53页 |
| 5.1.3 权值更新 | 第53-54页 |
| 5.1.4 目标状态估计 | 第54-55页 |
| 5.1.5 重采样 | 第55页 |
| 5.2 算法的实验结果 | 第55-60页 |
| 5.3 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间取得学术成果 | 第68页 |
