| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 引言 | 第12-13页 |
| 1.2 课题的研究背景及意义 | 第13-15页 |
| 1.3 目标跟踪算法的研究现状 | 第15-19页 |
| 1.3.1 运动目标检测分类 | 第15-17页 |
| 1.3.2 运动目标跟踪分类 | 第17-19页 |
| 1.4 本论文的内容与创新 | 第19-21页 |
| 第二章 目标跟踪算法研究 | 第21-39页 |
| 2.1 目标的颜色直方图 | 第21-25页 |
| 2.1.1 目标的特征空间 | 第22-23页 |
| 2.1.2 目标模板和候选目标 | 第23-24页 |
| 2.1.3 基于巴氏系数的相似性度量 | 第24-25页 |
| 2.2 Mean Shift算法 | 第25-31页 |
| 2.2.1 无参估计 | 第25-27页 |
| 2.2.2 Mean Shift算法的定义 | 第27-29页 |
| 2.2.3 基于Mean Shift的目标跟踪 | 第29-31页 |
| 2.3 粒子滤波算法 | 第31-39页 |
| 2.3.1 贝叶斯统计理论 | 第32-33页 |
| 2.3.2 粒子滤波原理 | 第33-37页 |
| 2.3.3 粒子滤波算法实现 | 第37-39页 |
| 第三章 用最小二乘法改进的Mean Shift算法 | 第39-49页 |
| 3.1 最小二乘法介绍 | 第39-44页 |
| 3.1.1 问题的引出 | 第39-40页 |
| 3.1.2 用最小二乘法解矛盾方程组 | 第40-42页 |
| 3.1.3 用多项式作最小二乘曲线拟合 | 第42-44页 |
| 3.2 Mean Shift算法的优缺点 | 第44-45页 |
| 3.3 Least Square Mean Shift算法 | 第45-49页 |
| 3.3.1 改进算法介绍 | 第45-46页 |
| 3.3.2 实验结果 | 第46-48页 |
| 3.3.3 结论 | 第48-49页 |
| 第四章 LSMS和粒子滤波相结合的目标跟踪算法 | 第49-55页 |
| 4.1 LSMS算法的优缺点 | 第49页 |
| 4.2 粒子滤波算法的优缺点 | 第49-50页 |
| 4.3 LSMS和粒子滤波结合的目标跟踪算法 | 第50-55页 |
| 4.3.1 结合算法介绍 | 第50-52页 |
| 4.3.2 实验结果 | 第52-54页 |
| 4.3.3 结论 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士研究生期间发表论文 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |