| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-22页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·目标跟踪概述 | 第11-19页 |
| ·目标表示 | 第11-13页 |
| ·特征选择 | 第13-15页 |
| ·目标检测 | 第15-16页 |
| ·目标跟踪 | 第16-19页 |
| ·本文主要工作及内容安排 | 第19-22页 |
| 第2章 预备知识 | 第22-44页 |
| ·Mean Shift 方法及其在跟踪中的应用 | 第22-29页 |
| ·Mean Shift 理论 | 第22-27页 |
| ·Mean Shift 方法在跟踪中的应用 | 第27-29页 |
| ·粒子滤波方法 | 第29-38页 |
| ·贝叶斯滤波 | 第30-32页 |
| ·蒙特卡洛方法 | 第32-33页 |
| ·粒子滤波方法 | 第33-38页 |
| ·AdaBoost 方法 | 第38-42页 |
| ·Boosting 方法 | 第38-42页 |
| ·AdaBoost 方法 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第3章 基于多颜色空间融合的目标跟踪算法 | 第44-58页 |
| ·引言 | 第44-45页 |
| ·算法基本思想概述 | 第45页 |
| ·基于多颜色空间融合的目标跟踪算法 | 第45-53页 |
| ·多颜色空间理论 | 第46-48页 |
| ·AdaBoost 方法在算法中的应用 | 第48页 |
| ·算法细节 | 第48-53页 |
| ·实验结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于多颜色空间学习的粒子滤波算法 | 第58-78页 |
| ·引言 | 第58-59页 |
| ·算法基本思想概述 | 第59-62页 |
| ·基于多颜色空间学习的粒子滤波算法 | 第62-71页 |
| ·用于特征选择的 AdaBoost 方法及其在算法中的应用 | 第62-64页 |
| ·算法细节 | 第64-71页 |
| ·实验结果分析 | 第71-76页 |
| ·本章小结 | 第76-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第84-86页 |
| 致谢 | 第86-87页 |