| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 项目背景与研究概述 | 第14-15页 |
| 1.2 目标跟踪检测算法的研究现状与发展历史 | 第15-17页 |
| 1.3 概率计算简介 | 第17-19页 |
| 1.4 主要贡献和创新 | 第19-20页 |
| 1.5 论文结构安排 | 第20-21页 |
| 第二章 经典的动目标检测算法 | 第21-32页 |
| 2.1 背景减法 | 第22-23页 |
| 2.2 帧差法 | 第23-24页 |
| 2.3 运动历史图法 | 第24-25页 |
| 2.4 光流法 | 第25-27页 |
| 2.5 三维马尔科夫场法 | 第27-30页 |
| 2.5.1 马尔科夫场模型 | 第27-28页 |
| 2.5.2 基于三维马尔科夫场的动目标检测系统架构 | 第28-30页 |
| 2.6 对比评估 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于三维马尔科夫场的动目标检测算法及其实现 | 第32-60页 |
| 3.1 基于传统方法的动目标检测系统 | 第32-39页 |
| 3.1.1 时间-空间三维置信传播算法 | 第32-33页 |
| 3.1.2 快速置信传播算法 | 第33-35页 |
| 3.1.3 参数选择以及性能分析 | 第35-39页 |
| 3.2 基于概率计算方法的动目标检测算法 | 第39-59页 |
| 3.2.1 概率系统的设计 | 第39-42页 |
| 3.2.2 概率动目标检测系统架构 | 第42-45页 |
| 3.2.3 多元状态概率的归一化 | 第45-51页 |
| 3.2.4 基于概率计算的Potts模型实现 | 第51-54页 |
| 3.2.5 噪声抑制技术 | 第54-55页 |
| 3.2.6 实验结果以及参数分析 | 第55-59页 |
| 3.3 本章小结 | 第59-60页 |
| 第四章 基于概率计算方法的动目标跟踪算法及其实现 | 第60-77页 |
| 4.1 粒子滤波方法 | 第63-64页 |
| 4.1.1 重要性采样 | 第63-64页 |
| 4.1.2 序列重要性采样 | 第64页 |
| 4.2 基于粒子滤波方法的目标跟踪算法 | 第64-68页 |
| 4.3 使用概率计算方法和粒子滤波器实现目标跟踪算法 | 第68-76页 |
| 4.3.1 概率指数 | 第68-69页 |
| 4.3.2 分段式概率乘法 | 第69-73页 |
| 4.3.3 系统实现以及性能分析 | 第73-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 论文总结 | 第77-78页 |
| 5.2 下一步研究工作 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士期间获得成果 | 第85-86页 |
| 个人简介 | 第86-87页 |
