学位论文；运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshifi算法，粒子滤波器，Snake模型等；应用卡尔曼滤波方法设计了一套煤矿矿工出入自动监测系统；提出了一种新的基于高斯混合模型的颜色特征提取方法，该方法克服了现有的Camshift算法Continuousl y Adaptive eanshift中跟踪目标特征提取精确度低和计算复杂度高的缺陷-Dissertation moving object tracking methods include Kalman filt

基于粒子滤波器的机动目标跟踪技术 首先 ， 概 要介绍传统的Kalman滤波器，以及有所改进的扩展Kalman滤波器。 其次，为了能更好地解决在动态模型为非线性且噪声为非高斯的条件下对机动目标的 跟踪问题，通过概率统计理论详细阐述粒子滤波器基本原理。然后，针对不同的使用 条件，根据粒子滤波器的基本理论做出适当的修改和整理，就得到了四个相关的粒子 滤波器的变型，使用州以JLAB把它们对机动目标的跟踪性能作了详细地计算机模拟 仿真且用均方根误差更加精确地进行了比较。最后，把粒

多目标跟踪的粒子滤波器，基于负熵最大的独立分量分析，sar图像去噪的几种新的方法。- Multi-target tracking particle filter, Based on negative entropy largest independent component analysis, Several new methods sar image denoising.

多目标跟踪的粒子滤波器，基于SVPWM的三电平逆变的matlab仿真，Gabor小波变换与PCA的人脸识别代码。- Multi-target tracking particle filter, Based on SVPWM three-level inverter matlab simulation, Gabor wavelet transform and PCA face recognition code.