基于粒子滤波的目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 研究状况与待解问题 | 第9-10页 |
| 1.2.1 研究状况 | 第9页 |
| 1.2.2 亟待解决的问题 | 第9-10页 |
| 1.3 目标跟踪算法概述 | 第10-11页 |
| 1.4 本文工作与文章结构 | 第11-15页 |
| 1.4.1 本文工作 | 第11-12页 |
| 1.4.2 本文结构 | 第12-15页 |
| 第二章 粒子滤波算法原理 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 背景知识与理论 | 第15-17页 |
| 2.2.1 最优贝叶斯滤波 | 第15-16页 |
| 2.2.2 蒙特卡洛抽样方法 | 第16-17页 |
| 2.3 粒子滤波 | 第17-22页 |
| 2.3.1 重要性采样 | 第17-18页 |
| 2.3.2 序列重要性采样 | 第18-20页 |
| 2.3.3 粒子匮乏与重采样 | 第20-21页 |
| 2.3.4 算法基本步骤 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于粒子滤波的目标跟踪算法 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 粒子滤波在目标跟踪中的应用 | 第23-30页 |
| 3.2.1 系统的状态模型 | 第23-24页 |
| 3.2.2 状态观测模型 | 第24-28页 |
| 3.2.3 跟踪目标位置的确定 | 第28页 |
| 3.2.4 重采样 | 第28页 |
| 3.2.5 目标模板更新 | 第28-29页 |
| 3.2.6 算法的流程 | 第29-30页 |
| 3.3 目标跟踪中的问题 | 第30-31页 |
| 3.3.1 目标尺寸变化 | 第30页 |
| 3.3.2 障碍物遮挡 | 第30-31页 |
| 第四章 目标尺度自适应的粒子滤波跟踪算法 | 第31-45页 |
| 4.1 引言 | 第31页 |
| 4.2 SIFT 特征点的提取 | 第31-35页 |
| 4.2.1 SIFT 特征点的优点 | 第31-32页 |
| 4.2.2 SIFT 特征点的提取 | 第32-35页 |
| 4.3 目标尺度自适应的粒子滤波跟踪算法实现 | 第35-38页 |
| 4.4 实验结果 | 第38-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 基于粒子滤波的抗遮挡目标跟踪算法 | 第45-59页 |
| 5.1 引言 | 第45页 |
| 5.2 遮挡问题解决方法 | 第45-46页 |
| 5.3 基于扩展卡尔曼滤波的抗遮挡目标跟踪算法 | 第46-53页 |
| 5.3.1 遮挡判定 | 第47-48页 |
| 5.3.2 扩展卡尔曼滤波原理及跟踪流程 | 第48-52页 |
| 5.3.3 抗遮挡算法步骤 | 第52-53页 |
| 5.4 实验结果 | 第53-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59页 |
| 6.2 未来与展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
