内河航运船舶视觉跟踪算法

1 概论
1．1 引言
1．2 国内外研究现状
1．2．1 内河船舶视觉跟踪研究现状分析
1．2．2 视觉跟踪算法现状分析
1．3 内河船舶视觉跟踪系统分析
1．3．1 内河船舶视觉跟踪系统的特点
1．3．2 内河船舶视觉跟踪难点
1．3．3 内河船舶视觉跟踪算法性能评价指标
1．4 内河船舶视觉跟踪标准库建设
1．4．1 标准库建设的必要性
1．4．2 标准库内容分析
本章参考文献

2 基于滤波理论的内河船舶视觉跟踪
2．1 Kalman滤波器
2．2 粒子滤波理论
2．2．1 贝叶斯估计
2．2．2 蒙特卡洛方法
2．3 粒子滤波器
2．3．1 粒子滤波器原理
2．3．2 粒子滤波器算法描述
2．4 基于粒子滤波算法的目标跟踪
2．5 基于滤波理论的船舶跟踪实验及算法分析
2．5．1 基于卡尔曼滤波的船舶跟踪实验及分析
2．5．2 基于粒子滤波的船舶跟踪实验及分析
本章参考文献

3 Mean Shift内河船舶跟踪算法
3．1 基本Mean Shift算法
3．2 扩腱Mean Shift算法
3．3 Mean Shift算法物理学含义
3．4 Mean Shift船舶跟踪算法
3．4．1 算法原理
3 4．2 跟踪流程图
3 4．3 程序设计步骤
3．4．4 算法分析
本章参考文献

4 MIL内河船舶跟踪算法
4．1 算法原理
4．1．1 图像的表示
4 1．2 运动模型
4．1．3 外观模型
4．2 算法分析
本章参考文献

5 随机投影内河船舶跟踪算法
5．1 随机投影理论
5．2 算法原理
5．3 算法分析
5．3．1 原始信号属性
j．3 2 随机观测矩阵
5 3．3 尺度跟踪
5．3．4 遮挡跟踪
本章参考文献

6 正交粒子滤波低秩约束随机投影内河船舶跟踪算法
6．1 贝叶斯状态估计
6．2 状态转移密度设计
6．3 建议分布选择
6．4 正交实验原理
6．5 正交实验设计
6．6 正交粒子滤波
6．7 观测似然概率密度设计
6．7．1 随机观测矩阵
6．7．2 目标判定准则
6．8 算法分析
本章参考文献

7 跟踪检测协同内河船舶跟踪算法
7．1 算法原理
7．1．1 跟踪模块
7．1．2 检测模块
7．1．3 位置估计
7．1．4 学习模块
7．2 算法分析
本章参考文献

8 实验对比及分析
8．1 参数设置
8．2 评价指标
8．3 定性实验结果及分析
8．4 定量实验结果及分析