声明
摘要
第一章 绪论
1.1 研究的背景和意义
1.2 研究现状
1.2.1 目标跟踪
1.2.2 目标检测
1.2.3 机器学习
1.3 论文的主要工作及结构安排
第二章 检测模块
2.1 方差分类器
2.1.1 积分图像和方差计算
2.2 集合分类器
2.2.1 特征的生成
2.2.2 随机蕨分类器
2.3 最近邻分类器
2.3.1 目标模型及相似度度量
2.3.2 分类原理
第三章 学习模块
3.1 算法原理及流程
3.2 算法的稳定性分析
3.3 用模拟的专家进行实验分析
3.4 P-N专家在实际应用中的设计
第四章 跟踪模块
4.1 金字塔LK光流法
4.1.1 LK光流原理
4.1.2 基于金字塔的LK算法原理
4.2 跟踪的可靠性评估
第五章 改进的跟踪模块
5.1 背景知识及理论
5.1.1 贝叶斯滤波
5.1.2 蒙特卡罗模拟
5.2 粒子滤波算法
5.2.1 重要性采样
5.2.2 序列重要性采样
5.2.3 建议分布的选择
5.2.4 重采样
5.3 粒子滤波跟踪的实现
5.3.1 系统状态转移模型
5.3.2 系统观测模型
5.3.3 跟踪算法中需要注意的几个问题
第六章 实验结果
6.1 实验流程
6.1.1 跟踪方法的初始化
6.1.2 跟踪过程
6.2 实验结果与分析
第七章 总结与展望
7.1 论文工作总结
7.2 未来工作展望
参考文献
东南大学;