| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题的研究背景及意义 | 第7页 |
| ·追踪过程中需要注意和解决的问题 | 第7-9页 |
| ·追踪算法的分类 | 第9-11页 |
| ·粒子滤波算法的研究现状 | 第11-12页 |
| ·论文的主要工作以及结构 | 第12-14页 |
| 第二章 粒子滤波原理 | 第14-20页 |
| ·蒙特卡罗方法 | 第14-16页 |
| ·蒙特卡罗方法的原理 | 第14-15页 |
| ·蒙特卡罗方法的收敛性 | 第15页 |
| ·蒙特卡罗方法的实现 | 第15-16页 |
| ·粒子滤波方法 | 第16-20页 |
| ·粒子滤波概述 | 第16-17页 |
| ·粒子滤波原理 | 第17-18页 |
| ·粒子滤波追踪算法一般描述 | 第18-20页 |
| 第三章 基于粒子滤波和MEAN-SHIFT 的混合跟踪器 | 第20-35页 |
| ·引言 | 第20-21页 |
| ·基于粒子滤波和MEAN-SHIFT 的混合跟踪器 | 第21-28页 |
| ·算法基本思路 | 第21-23页 |
| ·算法模型建立 | 第23-24页 |
| ·动态模型 | 第23页 |
| ·观测模型 | 第23-24页 |
| ·追踪算法的实现 | 第24-28页 |
| ·粒子初始化以及权值计算 | 第24页 |
| ·k-means 聚类 | 第24-25页 |
| ·Mean-shift 处理 | 第25-27页 |
| ·估计目标位置 | 第27页 |
| ·重采样机制建立 | 第27-28页 |
| ·实验以及结论分析 | 第28-34页 |
| ·KMSEPF 算法分析 | 第28-31页 |
| ·无遮挡情况的目标追踪测试 | 第28-29页 |
| ·有遮挡目标追踪分析 | 第29页 |
| ·追踪中的K-means 聚类分析 | 第29-31页 |
| ·KMSEPF 与MSEPF 算法比较分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 一种改进的自适应粒子滤波追踪算法 | 第35-49页 |
| ·改进的OAM 观测模型 | 第36-37页 |
| ·模型的描述 | 第36页 |
| ·模型的更新 | 第36-37页 |
| ·模型的初始化 | 第37页 |
| ·自适应运动模型 | 第37-40页 |
| ·自适应速率 | 第37-39页 |
| ·自适应噪声 | 第39-40页 |
| ·变化的粒子数目配置以及遮挡处理 | 第40-41页 |
| ·变化的粒子数目配置 | 第40页 |
| ·遮挡处理 | 第40-41页 |
| ·实验分析 | 第41-47页 |
| ·对正常背景和运动速率的目标进行追踪，目标运动过程中外形有变化 | 第41-43页 |
| ·背景有遮挡情况下的追踪 | 第43-44页 |
| ·自适应运动模型与零速率运动模型的比较 | 第44-45页 |
| ·粒子数目自适应分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 附录 | 第56页 |
| 攻读硕士期间发表的文章 | 第56页 |
