1 概论 1
1.1 引言 1
1.2 国内外研究现状 5
1.2.1 内河船舶视觉跟踪研究现状分析 7
1.2.2 视觉跟踪算法现状分析 9
1.3 内河船舶视觉跟踪系统分析 14
1.3.1 内河船舶视觉跟踪系统的特点 14
1.3.2 内河船舶视觉跟踪难点 15
1.3.3 内河船舶视觉跟踪算法性能评价指标 16
1.4 内河船舶视觉跟踪标准库建设 18
1.4.1 标准库建设的必要性 18
1.4.2 标准库内容分析 19
本章参考文献 24
2 基于滤波理论的内河船舶视觉跟踪 30
2.1 Kalman滤波器 30
2.2 粒子滤波理论 31
2.2.1 贝叶斯估计 32
2.2.2 蒙特卡洛方法 33
2.3 粒子滤波器 34
2.3.1 粒子滤波器原理 34
2.3.2 粒子滤波器算法描述 38
2.4 基于粒子滤波算法的目标跟踪 38
2.5 基于滤波理论的船舶跟踪实验及算法分析 40
2.5.1 基于卡尔曼滤波的船舶跟踪实验及分析 40
2.5.2 基于粒子滤波的船舶跟踪实验及分析 41
本章参考文献 44
3 Mean Shift内河船舶跟踪算法 46
3.1 基本Mean Shift算法 46
3.2 扩展Mean Shift算法 47
3.3 Mean Shift算法物理学含义 49
3.4 Mean Shift船舶跟踪算法 50
3.4.1 算法原理 50
3.4.2 跟踪流程图 52
3.4.3 程序设计步骤 53
3.4.4 算法分析 54
本章参考文献 54
4 MIL内河船舶跟踪算法 56
4.1 算法原理 56
4.1.1 图像的表示 56
4.1.2 运动模型 58
4.1.3 外观模型 58
4.2 算法分析 62
本章参考文献 65
5 随机投影内河船舶跟踪算法 66
5.1 随机投影理论 66
5.2 算法原理 67
5.3 算法分析 70
5.3.1 原始信号属性 70
5.3.2 随机观测矩阵 71
5.3.3 尺度跟踪 72
5.3.4 遮挡跟踪 72
本章参考文献 73
6 正交粒子滤波低秩约束随机投影内河船舶跟踪算法 74
6.1 贝叶斯状态估计 74
6.2 状态转移密度设计 76
6.3 建议分布选择 77
6.4 正交实验原理 77
6.5 正交实验设计 78
6.6 正交粒子滤波 79
6.7 观测似然概率密度设计 80
6.7.1 随机观测矩阵 80
6.7.2 目标判定准则 81
6.8 算法分析 84
本章参考文献 85
7 跟踪检测协同内河船舶跟踪算法 87
7.1 算法原理 87
7.1.1 跟踪模块 88
7.1.2 检测模块 93
7.1.3 位置估计 102
7.1.4 学习模块 102
7.2 算法分析 103
本章参考文献 104
8 实验对比及分析 105
8.1 参数设置 106
8.2 评价指标 106
8.3 定性实验结果及分析 106
8.4 定量实验结果及分析 112