基于不同模型的运动目标跟踪算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-10页 |
| ·运动目标检测 | 第10-12页 |
| ·背景差分法 | 第10-11页 |
| ·帧差法 | 第11页 |
| ·光流法 | 第11-12页 |
| ·运动目标跟踪 | 第12-15页 |
| ·运动目标跟踪概述 | 第12-13页 |
| ·运动目标跟踪研究现状 | 第13-15页 |
| ·本文主要研究内容及创新性 | 第15-16页 |
| ·本文各章节的安排 | 第16-18页 |
| 第2章 常用跟踪算法 | 第18-24页 |
| ·卡尔曼滤波算法 | 第18页 |
| ·扩展卡尔曼滤波算法 | 第18-19页 |
| ·粒子滤波算法 | 第19-23页 |
| ·序贯重要性采样 | 第19-21页 |
| ·重要性函数的选择 | 第21页 |
| ·重采样 | 第21-22页 |
| ·粒子滤波算法描述 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第3章 基于动态贝叶斯网络的多特征目标跟踪 | 第24-37页 |
| ·概率图模型 | 第25-26页 |
| ·基于动态贝叶斯网络的建模 | 第26-28页 |
| ·贝叶斯网络(BN) | 第26页 |
| ·动态贝叶斯网络(DBN)的基本思想 | 第26-27页 |
| ·基于DBN的状态模型 | 第27-28页 |
| ·基于粒子滤波算法的运动目标跟踪 | 第28-32页 |
| ·重要性函数(建议分布)选择 | 第28-29页 |
| ·目标特征的提取与融合 | 第29-31页 |
| ·基于粒子滤波的运动目标跟踪 | 第31-32页 |
| ·实验结果与分析 | 第32-35页 |
| ·小结 | 第35-37页 |
| 第4章 基于组合预测模型的模板更新方法 | 第37-52页 |
| ·降维算法 | 第38页 |
| ·降维的定义 | 第38页 |
| ·降维方法分类 | 第38页 |
| ·LLE降维算法 | 第38-40页 |
| ·时间序列建模 | 第40-41页 |
| ·BP神经网络 | 第41-42页 |
| ·BP神经网络的基本形式 | 第41页 |
| ·BP神经网络的建立与学习 | 第41-42页 |
| ·组合预测模型的建立 | 第42-43页 |
| ·AR(P)时间序列模型 | 第42页 |
| ·组合预测模型 | 第42-43页 |
| ·向量的空间转换 | 第43页 |
| ·实验仿真与结果分析 | 第43-51页 |
| ·参数设置 | 第43页 |
| ·仿真结果与分析 | 第43-51页 |
| ·小结 | 第51-52页 |
| 第5章 基于TUCFM方法的运动目标跟踪 | 第52-57页 |
| ·运动目标的获取 | 第53页 |
| ·灰度直方图 | 第53页 |
| ·灰度直方图概念 | 第53页 |
| ·灰度直方图的转换 | 第53页 |
| ·仿真结果与分析 | 第53-55页 |
| ·小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 作者在学期间取得的学术成果 | 第65页 |
