分布式多视角目标跟踪的统计推理方法及实现
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·摄像机跟踪的任务描述 | 第8页 |
| ·多摄像机跟踪技术的研究意义 | 第8-9页 |
| ·多摄像机跟踪算法分类 | 第9页 |
| ·问题的提出及研究现状分析 | 第9-12页 |
| ·分布式跟踪系统 | 第10-11页 |
| ·各个摄像机间信息融合 | 第11-12页 |
| ·算法的优化与实现 | 第12页 |
| ·论文研究框架 | 第12-14页 |
| ·论文的主要工作和创新点 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 贝叶斯推理及其在视频跟踪中的应用 | 第16-27页 |
| ·贝叶斯推理简介 | 第16-20页 |
| ·贝叶斯网络图模型 | 第16-19页 |
| ·基于图模型的贝叶斯推理 | 第19-20页 |
| ·卡尔曼滤波 | 第20-22页 |
| ·卡尔曼滤波在视频跟踪中应用 | 第22页 |
| ·序列蒙特卡洛粒子滤波 | 第22-23页 |
| ·序列蒙特卡洛粒子滤波在跟踪中的应用 | 第23-24页 |
| ·本章小结 | 第24-27页 |
| 第三章 多视角自适应初始点搜索目标跟踪算法 | 第27-39页 |
| ·初始搜索点预测模型 | 第27-28页 |
| ·滤波器模型噪声估计 | 第28-31页 |
| ·算法整体流程 | 第31-32页 |
| ·仿真结果 | 第32-38页 |
| ·仿真对比 | 第32-35页 |
| ·跟踪精度定量测试 | 第35-36页 |
| ·目标不规则形变及三维旋转 | 第36-37页 |
| ·遮挡问题 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多视角信息融合的序贯蒙特卡洛算法 | 第39-52页 |
| ·基于贝叶斯推理的目标跟踪算法系统模型 | 第39页 |
| ·联合后验时空递推 | 第39-42页 |
| ·序列蒙特卡洛粒子滤波逼近 | 第42-45页 |
| ·算法整体流程 | 第45-46页 |
| ·仿真结果 | 第46-51页 |
| ·测试数据仿真结果 | 第46-48页 |
| ·标准视频仿真结果 | 第48-50页 |
| ·比较测试 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 多视角目标跟踪优化算法及实现 | 第52-66页 |
| ·系统简介 | 第52-54页 |
| ·硬件系统架构 | 第53-54页 |
| ·软件系统架构 | 第54页 |
| ·算法在DSP上实现难点与优化方案 | 第54-61页 |
| ·算法解析 | 第54-57页 |
| ·算法在DSP上实现难点 | 第57页 |
| ·算法在DSP上的优化 | 第57-59页 |
| ·系统软件优化 | 第59-61页 |
| ·实现的性能与结果 | 第61-63页 |
| ·系统跟踪结果实例 | 第61页 |
| ·结构相似度指标计算函数及插值函数优化结果 | 第61页 |
| ·一帧视频消耗的DSP周期数 | 第61-62页 |
| ·实际系统中的DSP负载测试 | 第62-63页 |
| ·本章小结 | 第63-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表论文及竞赛情况 | 第72-73页 |
| 致谢 | 第73-74页 |
