基于粒子滤波的运动目标跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-22页 |
| ·引言 | 第10-11页 |
| ·运动目标跟踪技术的研究现状 | 第11-13页 |
| ·处理运动目标跟踪问题的两种思路 | 第11-13页 |
| ·运动目标跟踪算法概述 | 第13-19页 |
| ·以假设条件为依据的分类 | 第14-17页 |
| ·基本假设条件的跟踪 | 第14-15页 |
| ·基于运动模型的跟踪 | 第15页 |
| ·基于多线索融合的跟踪 | 第15-16页 |
| ·基于目标表达的跟踪 | 第16-17页 |
| ·基于特征的目标跟踪算法 | 第17-19页 |
| ·特征的选择及提取 | 第17-18页 |
| ·基于特征的算法结构 | 第18-19页 |
| ·跟踪问题的困扰因素及发展趋势 | 第19-21页 |
| ·论文的内容组织 | 第21-22页 |
| 第二章 粒子滤波理论及方法分析 | 第22-36页 |
| ·引言 | 第22-23页 |
| ·背景知识 | 第23-27页 |
| ·状态空间的模型表示和滤波器 | 第23页 |
| ·贝叶斯递推滤波原理 | 第23-26页 |
| ·贝叶斯递推滤波的实现方法 | 第26-27页 |
| ·粒子滤波 | 第27-34页 |
| ·粒子滤波简述 | 第27-28页 |
| ·蒙特卡罗积分方法 | 第28-29页 |
| ·序贯重要性采样 | 第29-31页 |
| ·粒子集合退化和重采样 | 第31-32页 |
| ·粒子滤波算法的描述 | 第32-34页 |
| ·选择重要性函数的讨论 | 第34-35页 |
| ·先验分布 | 第34页 |
| ·最优分布 | 第34-35页 |
| ·混合分布 | 第35页 |
| ·小结 | 第35-36页 |
| 第三章 基于计算MS权值的粒子滤波运动目标跟踪 | 第36-55页 |
| ·引言 | 第36-37页 |
| ·MS原理及模型描述 | 第37-41页 |
| ·MS核函数 | 第37-39页 |
| ·目标模型 | 第39-40页 |
| ·候选模型 | 第40页 |
| ·相似性函数 | 第40-41页 |
| ·贝叶斯框架下的运动目标跟踪问题 | 第41-43页 |
| ·基于计算MS权值的粒子滤波跟踪算法 | 第43-48页 |
| ·粒子初始化 | 第43-44页 |
| ·粒子预测 | 第44页 |
| ·粒子权重的计算 | 第44-46页 |
| ·建立颜色特征模型 | 第44-45页 |
| ·计算粒子权值 | 第45-46页 |
| ·重采样 | 第46-47页 |
| ·目标定位 | 第47-48页 |
| ·算法流程描述 | 第48-49页 |
| ·实验结果及分析 | 第49-54页 |
| ·实验一 | 第49-50页 |
| ·实验二 | 第50-52页 |
| ·实验三 | 第52-54页 |
| ·小结 | 第54-55页 |
| 第四章 基于卡尔曼与粒子滤波相结合运动目标跟踪 | 第55-70页 |
| ·引言 | 第55页 |
| ·卡尔曼滤波原理 | 第55-58页 |
| ·运动目标跟踪的卡尔曼滤波器模型 | 第58-60页 |
| ·匀速运动目标 | 第58-59页 |
| ·匀加速直线运动目标 | 第59-60页 |
| ·卡尔曼与粒子滤波相结合跟踪算法 | 第60-64页 |
| ·实验结果及分析 | 第64-69页 |
| ·实验一 | 第64-66页 |
| ·实验二 | 第66-68页 |
| ·实验三 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·主要工作与结论 | 第70-71页 |
| ·进一步研究与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 攻读硕士学位期间发表的论文 | 第77页 |
