粒子滤波跟踪方法研究

MCMC方法Markov链在统计计算中的应用

线性子空间模型能够有效地描述目标表面受到光照和姿势变化的情况，然而大多数基于子空间表面模型的目标跟踪算法是在跟踪之前通过训练不同光照和姿势下目标的观测图像，得到一组特征基，并用这组特征基表示不同时刻目

融合颜色和梯度直方图的粒子滤波跟踪算法，朱东伟，毛晓波，针对基于单一颜色特征的粒子滤波跟踪算法在复杂环境下会导致跟踪失败的问题，提出了一种融合颜色直方图和梯度方向直方图，形成一

传统的Condensation跟踪算法使用状态转移分布作为采样粒子的建议分布函数，没有考虑当前的观测值，大量的粒子运算浪费在了那些具有小似然性的区域。针对该问题，提出一种基于MeanShift以改进建

对视频跟踪方面的研究有帮助.本文以目标跟踪为研究内容，以粒子滤波为研究方法，实现了粒子跟踪算法，并进行了算法优化。

带有特征学习与继承的粒子滤波目标跟踪,孙晓燕,常发亮,近年来判别式目标模型是运动目标跟踪中表示和学习目标模型常采用方法,它可在一定程度上通过在线学习适应目标和背景的复杂变化。

一篇融合粒子滤波和Snake的跟踪的博士论文

叶脉是植物叶的内在特征和识别植物的重要特征，叶脉特征的提取有利于植物叶自动识别。针对叶脉复杂多变使得叶脉难于提取的特点，提出了多方向Top-Hat变换的叶脉特征提取方法。该方法采用Gauss梯度计算叶

针对传统粒子滤波的建议分布没有利用到当前观测信息的缺点，提出了一种基于多特征融合的退火算法来改进建议分布的粒子滤波跟踪方法。该方法解决了高维状态下计算量大和粒子数匮乏问题。采用退火方法在蒙特卡洛重要采

粒子滤波\粒子滤波算法及其应用研究 博士论文