首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

复杂环境下基于PCA的粒子滤波目标跟踪算法研究

摘要第4-5页
abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-17页
    1.1 课题研究背景与意义第10-11页
    1.2 相关技术国内外研究现状第11-13页
    1.3 目前研究存在的问题第13-15页
    1.4 本文的主要工作与结构安排第15-17页
第二章 目标跟踪相关技术分析第17-27页
    2.1 引言第17页
    2.2 目标跟踪的技术分析第17-19页
        2.2.1 单目标跟踪技术分析第17-18页
        2.2.2 多目标跟踪技术分析第18-19页
    2.3 运动估计模型经典算法第19-21页
        2.3.1 基于均值漂移的跟踪方法第19-20页
        2.3.2 基于卡尔曼滤波的跟踪方法第20-21页
        2.3.3 基于粒子滤波的跟踪方法第21页
    2.4 外观模型经典算法第21-26页
        2.4.1 特征提取第22-23页
        2.4.2 稀疏表示第23页
        2.4.3 主成分分析第23-26页
    2.5 本章小结第26-27页
第三章 基于二次PCA的目标跟踪算法第27-40页
    3.1 概述第27页
    3.2 粒子滤波算法理论分析第27-31页
        3.2.1 贝叶斯滤波概率模型第28-29页
        3.2.2 贝叶斯滤波问题的解第29-30页
        3.2.3 粒子滤波算法第30-31页
        3.2.4 粒子滤波在目标跟踪中的应用第31页
    3.3 PCA算法理论分析第31-36页
        3.3.1 K-L变换第32-33页
        3.3.2 PCA算法第33-34页
        3.3.3 PCA特征空间的概率分析第34-36页
        3.3.4 PCA在目标跟踪中的应用第36页
    3.4 基于PCA的目标跟踪算法的问题分析第36-37页
    3.5 基于二次PCA的目标跟踪算法第37-38页
        3.5.1 重建误差分析第37-38页
        3.5.2 二次PCA算法第38页
    3.6 算法流程第38-39页
    3.7 本章小结第39-40页
第四章 基于洛伦兹估计器的特征空间更新判断方法第40-51页
    4.1 概述第40页
    4.2 最小二乘估计法第40-44页
        4.2.1 最小二乘估计法的概率统计分析第40-41页
        4.2.2 最小二乘估计法的求解方法第41-42页
        4.2.3 最小二乘估计法的性能分析第42-44页
    4.3 洛伦兹估计器第44-48页
        4.3.1 洛伦兹估计器的数学模型第44-46页
        4.3.2 洛伦兹估计器的性能分析第46-48页
    4.4 基于洛伦兹估计的特征空间更新判断方法第48-49页
    4.5 本章小结第49-51页
第五章 基于代理模式的多目标跟踪算法第51-60页
    5.1 概述第51页
    5.2 卡尔曼滤波算法第51-54页
        5.2.1 卡尔曼滤波简介第51-52页
        5.2.2 卡尔曼滤波模型以及算法步骤第52-54页
    5.3 代理模式第54页
    5.4 基于代理模式的多目标跟踪算法第54-58页
        5.4.1 遮挡检测第55-56页
        5.4.2 卡尔曼滤波预测第56页
        5.4.3 加权扩大搜索第56-58页
    5.5 算法流程第58-59页
    5.6 本章小结第59-60页
第六章 实验结果与分析第60-72页
    6.1 实验环境以及目标跟踪评价标准第60-61页
        6.1.1 实验平台及参数第60页
        6.1.2 单目标跟踪评价标准第60页
        6.1.3 多目标跟踪评价标准第60-61页
    6.2 基于二次PCA的目标跟踪算法实验分析第61-64页
        6.2.1 实验设计第61-62页
        6.2.2 实验结果第62-64页
    6.3 基于洛伦兹估计器的特征空间更新判断准则实验分析第64-68页
        6.3.1 实验设计第64页
        6.3.2 实验结果第64-68页
    6.4 基于代理模式的多目标跟踪算法实验分析第68-72页
        6.4.1 实验设计第68页
        6.4.2 实验结果第68-72页
第七章 总结与展望第72-74页
    7.1 总结第72-73页
    7.2 展望第73-74页
参考文献第74-77页
附录1 攻读硕士学位期间申请的专利第77-78页
附录2 攻读硕士学位期间撰写的学术论文第78-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:基于稀疏分析的拥挤场景群体异常检测研究
下一篇:基于时空特征的HEVC压缩视频差错掩盖算法研究