| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 视频目标跟踪技术的发展现状 | 第8-11页 |
| 1.3 论文的主要工作和章节安排 | 第11-13页 |
| 第二章 视频多目标跟踪基础理论 | 第13-29页 |
| 2.1 粒子滤波原理概述 | 第13-15页 |
| 2.1.1 状态空间模型 | 第13页 |
| 2.1.2 最优贝叶斯估计 | 第13-14页 |
| 2.1.3 粒子滤波 | 第14-15页 |
| 2.2 随机有限集相关原理概述 | 第15-19页 |
| 2.2.1 随机有限集理论 | 第15-16页 |
| 2.2.2 基于随机有限集的多目标跟踪理论 | 第16-18页 |
| 2.2.3 随机有限集PHD滤波 | 第18-19页 |
| 2.3 多伯努利滤波原理概述 | 第19-27页 |
| 2.3.1 多伯努利随机有限集 | 第20页 |
| 2.3.2 多伯努利滤波 | 第20-23页 |
| 2.3.3 高斯混合多伯努利滤波 | 第23-25页 |
| 2.3.4 粒子滤波多伯努利滤波 | 第25-27页 |
| 2.4 跟踪性能评价标准 | 第27-29页 |
| 第三章 基于核密度多伯努利视频多目标跟踪 | 第29-43页 |
| 3.1 核密度背景图及量测似然模型 | 第29-32页 |
| 3.1.1 核密度背景图 | 第29-30页 |
| 3.1.2 量测似然模型 | 第30-32页 |
| 3.2 基于核密度多伯努利视频多目标跟踪算法 | 第32-37页 |
| 3.2.1 自适应均值漂移算法 | 第32-33页 |
| 3.2.2 粒子滤波实现核密度多伯努利自适应跟踪算法 | 第33-34页 |
| 3.2.3 目标紧邻及尺寸变化处理机制 | 第34-36页 |
| 3.2.4 目标运动轨迹跟踪 | 第36-37页 |
| 3.3 仿真实验与分析 | 第37-42页 |
| 3.3.1 实验条件 | 第37-38页 |
| 3.3.2 结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于特征协方差多伯努利视频多目标跟踪 | 第43-56页 |
| 4.1 特征协方差矩阵描述方法 | 第43-46页 |
| 4.1.1 特征协方差矩阵 | 第43-44页 |
| 4.1.2 积分图快速算法 | 第44-45页 |
| 4.1.3 协方差矩阵度量 | 第45-46页 |
| 4.2 基于特征协方差多伯努利视频多目标跟踪算法 | 第46-49页 |
| 4.3 仿真实验与分析 | 第49-55页 |
| 4.3.1 实验条件 | 第49页 |
| 4.3.2 结果分析 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于QMC-GPF多伯努利视频多目标跟踪 | 第56-65页 |
| 5.1 拟蒙特卡洛高斯粒子滤波 | 第56-58页 |
| 5.1.1 拟蒙特卡洛采样 | 第56-57页 |
| 5.1.2 高斯混合粒子滤波 | 第57-58页 |
| 5.2 基于QMC-GPF多伯努利视频多目标跟踪算法 | 第58-60页 |
| 5.3 仿真实验与分析 | 第60-64页 |
| 5.3.1 实验条件 | 第60-61页 |
| 5.3.2 结果分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 总结 | 第65页 |
| 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录：作者在读期间的研究成果 | 第73页 |