基于在线学习算法的目标跟踪技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·全文内容安排 | 第14-16页 |
| 第2章 常用的在线跟踪算法 | 第16-31页 |
| ·在线 boosting 算法 | 第16-17页 |
| ·在线 Adaboost 算法 | 第17-18页 |
| ·压缩跟踪算法 | 第18-23页 |
| ·压缩感知原理 | 第18-19页 |
| ·压缩跟踪算法介绍 | 第19-22页 |
| ·算法整体步骤 | 第22-23页 |
| ·TLD 算法 | 第23-30页 |
| ·跟踪器 | 第24-26页 |
| ·检测器 | 第26-30页 |
| ·学习器 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章 多尺度遗传算法优化的压缩跟踪算法 | 第31-57页 |
| ·特征的选择与加权 | 第31-33页 |
| ·按正态分布距离排序 | 第31-32页 |
| ·按分类结果排序 | 第32-33页 |
| ·基于特征排序的压缩跟踪算法 | 第33-39页 |
| ·算法整体步骤 | 第33-34页 |
| ·跟踪效果分析 | 第34-39页 |
| ·基于遗传算法的优秀特征选择 | 第39-42页 |
| ·遗传算法简介 | 第39-40页 |
| ·特征的改进和选择方法 | 第40-42页 |
| ·多尺度算法改进 | 第42-44页 |
| ·遮挡问题分析及解决 | 第44-48页 |
| ·遮挡发生时的判断 | 第44-45页 |
| ·在目标被遮挡过程中进行跟踪 | 第45-47页 |
| ·跟踪恢复 | 第47-48页 |
| ·多尺度遗传优化 CT 算法的实现 | 第48-55页 |
| ·算法整体步骤 | 第48-51页 |
| ·跟踪效果分析 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 TLD 框架下的 MGACT 算法 | 第57-69页 |
| ·TLD 框架下应用 MGACT 算法思路 | 第57-58页 |
| ·算法执行流程 | 第58-60页 |
| ·实验效果分析 | 第60-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| ·工作总结 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表论文与研究成果清单 | 第75-76页 |
| 致谢 | 第76页 |
