声明
摘要
图表目录
第一章 绪论
1.1 研究背景及意义
1.2 运动目标跟踪算法概述
1.3 影响运动目标跟踪的因素
1.4 本文主要研究内容
第二章 粒子滤波理论
2.1 历史背景及简介
2.2 贝叶斯滤波
2.3 蒙特卡洛模拟原理
2.4 粒子滤波理论
2.4.1 重要性采样
2.4.2 序列重要性采样
2.4.3 退化现象及重采样方法
2.4.4 粒子滤波算法在运动目标跟踪中的应用
第三章 LBP理论
3.1 基本LBP算子
3.2 LBP统一模式
3.3 LBP统一模式直方图
第四章 Mean Shift理论
4.1 历史背景及简介
4.2 无参密度估计理论
4.2.1 参数密度估计理论
4.2.2 无参密度估计理论
4.2.3 多维空间下的无参密度估计
4.2.4 Mean Shift算法
第五章 基于Mean Shift和LBP的粒子滤波算法
5.1 历史背景及简介
5.2 Mean Shift算法的聚类作用
5.3 基于Mean Shift和LBP的粒子滤波算法
5.3.1 系统的动态模型
5.3.2 系统的观测模型
5.3.3 目标的确定
5.3.4 重采样
5.3.5 嵌入Mean Shift算法收敛粒子
5.3.6 算法流程
5.4 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 待研究的问题
参考文献
致谢