基于粒子滤波的视频跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景与意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·视频跟踪发展现状 | 第10-11页 |
| ·粒子滤波发展现状 | 第11-13页 |
| ·粒子滤波在视频跟踪方面的发展应用 | 第13-14页 |
| ·课题研究内容 | 第14-16页 |
| 第二章 视频跟踪算法 | 第16-34页 |
| ·引言 | 第16页 |
| ·常用视觉跟踪算法介绍 | 第16-24页 |
| ·视觉跟踪算法性能标准 | 第17-18页 |
| ·视觉跟踪算法分类 | 第18-19页 |
| ·常见跟踪算法介绍 | 第19-24页 |
| ·背景差分法 | 第20-21页 |
| ·帧间差分法 | 第21-23页 |
| ·光流法 | 第23-24页 |
| ·粒子滤波算法介绍 | 第24-32页 |
| ·蒙特卡洛方法 | 第25-26页 |
| ·贝叶斯滤波 | 第26-29页 |
| ·卡尔曼滤波 | 第29-31页 |
| ·粒子滤波 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 粒子滤波算法在视频跟踪中的应用 | 第34-52页 |
| ·引言 | 第34-35页 |
| ·粒子滤波算法在视频跟踪中应用及现状 | 第34-35页 |
| ·粒子滤波经典算法实现 | 第35-39页 |
| ·粒子滤波经典算法原理 | 第36-37页 |
| ·粒子滤波算法实现过程 | 第37-39页 |
| ·粒子滤波跟踪步骤分析 | 第39-50页 |
| ·多特征融合方式 | 第39-43页 |
| ·特征选择 | 第39-41页 |
| ·多特征融合策略 | 第41-43页 |
| ·运动模型 | 第43-45页 |
| ·序贯重要性采样 | 第45-47页 |
| ·重采样方法 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于粒子滤波算法的研究及改进 | 第52-74页 |
| ·粒子滤波采样算法 | 第52-67页 |
| ·序列重要性采样 | 第52-55页 |
| ·重采样算法 | 第55-58页 |
| ·重要性重采样 | 第55-57页 |
| ·残差重采样 | 第57页 |
| ·分层重采样算法 | 第57-58页 |
| ·优化组合重采样 | 第58页 |
| ·新型的重采样方式 | 第58-61页 |
| ·仿真结果分析 | 第61-67页 |
| ·多特征的融合更新方式 | 第67-73页 |
| ·特征的选取 | 第67页 |
| ·特征的融合方式 | 第67-69页 |
| ·特征权值的更新方式 | 第69-70页 |
| ·仿真实验分析 | 第70-73页 |
| ·仿真结果及分析 | 第71-73页 |
| ·仿真实验结论 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| ·文章总结 | 第74-75页 |
| ·研究展望 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-80页 |
| 在学期间发表的学术论文 | 第80-81页 |
