基于粒子滤波的目标跟踪算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9页 |
| ·目标跟踪技术的研究现状 | 第9-13页 |
| ·目标表达方法的研究 | 第10-11页 |
| ·目标跟踪算法的研究 | 第11-13页 |
| ·目标跟踪的难点 | 第13-14页 |
| ·论文的主要研究工作 | 第14-15页 |
| ·论文的内容安排 | 第15-16页 |
| 第二章 粒子滤波算法原理 | 第16-30页 |
| ·引言 | 第16页 |
| ·贝叶斯滤波原理 | 第16-19页 |
| ·空间状态模型 | 第16-17页 |
| ·贝叶斯估计理论 | 第17-18页 |
| ·贝叶斯滤波 | 第18-19页 |
| ·卡尔曼滤波 | 第19-22页 |
| ·粒子滤波 | 第22-29页 |
| ·蒙特卡罗方法 | 第22-23页 |
| ·序列重要性采样 | 第23-25页 |
| ·重采样技术 | 第25-27页 |
| ·改进的粒子滤波算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于粒子滤波的目标跟踪算法 | 第30-45页 |
| ·引言 | 第30页 |
| ·基本粒子滤波算法与目标跟踪 | 第30-36页 |
| ·状态转移模型 | 第30-32页 |
| ·观测模型 | 第32-35页 |
| ·状态估计 | 第35-36页 |
| ·目标跟踪算法实现步骤 | 第36页 |
| ·改进的粒子滤波算法 | 第36-39页 |
| ·选择大权值粒子和状态估计 | 第37-38页 |
| ·融合距离因素的权值 | 第38-39页 |
| ·实验结果与分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 自适应调整目标跟踪窗口的粒子滤波 | 第45-68页 |
| ·引言 | 第45-46页 |
| ·Cam-shift 算法理论 | 第46-51页 |
| ·Mean-shift 算法 | 第46-49页 |
| ·Cam-shift 算法 | 第49-51页 |
| ·改进的粒子滤波算法 | 第51-59页 |
| ·颜色直方图的分析 | 第52-53页 |
| ·分层采样优化思想 | 第53-54页 |
| ·窗口大小的调整 | 第54-59页 |
| ·实验结果与分析 | 第59-67页 |
| ·实验结果 | 第60-66页 |
| ·结果分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位论文期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
