| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 前言 | 第10-16页 |
| ·引言 | 第10页 |
| ·论文研究背景及意义 | 第10-12页 |
| ·目标跟踪方法研究现状 | 第12-14页 |
| ·目标跟踪方法的分类 | 第12-13页 |
| ·目标跟踪存在的难点问题 | 第13-14页 |
| ·本文工作及结构安排 | 第14-16页 |
| 第2章 粒子滤波器基本理论 | 第16-26页 |
| ·引言 | 第16-17页 |
| ·贝叶斯估计原理 | 第17-19页 |
| ·蒙特卡罗方法 | 第19-20页 |
| ·粒子滤波算法 | 第20-25页 |
| ·重要性采样 | 第20-22页 |
| ·序贯重要性采样 | 第22-23页 |
| ·粒子退化及重采样 | 第23-24页 |
| ·粒子滤波算法描述 | 第24-25页 |
| ·粒子滤波器存在的问题 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 目标特征提取及描述 | 第26-36页 |
| ·引言 | 第26-27页 |
| ·目标的颜色特征 | 第27-32页 |
| ·颜色空间的选择 | 第27-29页 |
| ·颜色特征直方图 | 第29-32页 |
| ·目标的纹理特征 | 第32-35页 |
| ·LBP纹理特征 | 第32-34页 |
| ·LBP纹理特征直方图 | 第34-35页 |
| ·目标模型的建立 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 多智能体协同进化机制研究 | 第36-46页 |
| ·引言 | 第36页 |
| ·智能体 | 第36-39页 |
| ·智能体的概念 | 第36-38页 |
| ·智能体的思维状态 | 第38页 |
| ·智能体的形式化描述 | 第38-39页 |
| ·多智能体系统 | 第39-42页 |
| ·多智能体系统的体系结构 | 第39-41页 |
| ·多智能体之间的通信 | 第41页 |
| ·多智能体间的协调与协作 | 第41页 |
| ·多智能体的学习 | 第41页 |
| ·多智能体的冲突消解 | 第41-42页 |
| ·多智能体系统与协同进化计算 | 第42-45页 |
| ·进化算法 | 第42-43页 |
| ·协同进化算法 | 第43页 |
| ·多智能体协同进化计算 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于多智能体协同进化的粒子滤波目标跟踪算法 | 第46-65页 |
| ·引言 | 第46-47页 |
| ·跟踪智能体建模 | 第47-50页 |
| ·智能粒子的定义 | 第47-48页 |
| ·智能粒子进化行为的设计 | 第48-50页 |
| ·基于多智能体协同进化的粒子滤波目标跟踪算法 | 第50-54页 |
| ·系统状态空间和动态模型的建立 | 第50页 |
| ·目标模型的建立 | 第50-51页 |
| ·智能粒子适应度的评价 | 第51页 |
| ·协同进化重采样 | 第51-52页 |
| ·算法具体描述 | 第52-54页 |
| ·实验结果与分析 | 第54-64页 |
| ·本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-73页 |
| 致谢 | 第73页 |