| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第11-16页 |
| 1.1 项目背景 | 第11-12页 |
| 1.2 移动小视频特效的现状调研 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 相关技术综述 | 第16-23页 |
| 2.1 Metal简介 | 第16-17页 |
| 2.2 Forge简介 | 第17-18页 |
| 2.3 基于YOLO的物体识别算法简介 | 第18-19页 |
| 2.4 基于KCF的目标追踪技术简介 | 第19-20页 |
| 2.5 OpenGL ES简介 | 第20-21页 |
| 2.6 Swift简介 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 需求分析与概要设计 | 第23-42页 |
| 3.1 功能性需求分析 | 第23-27页 |
| 3.2 非功能性需求分析 | 第27-35页 |
| 3.2.1 通用物体检测算法的性能分析 | 第28-30页 |
| 3.2.2 目标追踪算法的性能分析 | 第30-33页 |
| 3.2.3 通用物体检测算法的稳定性分析 | 第33-34页 |
| 3.2.4 目标追踪算法的稳定性分析 | 第34-35页 |
| 3.2.5 非功能性相关指标 | 第35页 |
| 3.3 概要设计 | 第35-41页 |
| 3.3.1 业务模块概要设计 | 第38-39页 |
| 3.3.2 特效模块与渲染模块概要设计 | 第39-40页 |
| 3.3.3 识别模块概要设计 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 通用物体识别模块的详细设计与具体实现 | 第42-65页 |
| 4.1 非功能性需求的实现策略设计 | 第42-52页 |
| 4.1.1 针对静物的识别后追踪的策略设计 | 第43-45页 |
| 4.1.2 针对动物的识别追踪回归算法的策略设计 | 第45-47页 |
| 4.1.3 筛选与修正策略设计 | 第47-52页 |
| 4.2 通用物体识别模块的详细设计 | 第52-54页 |
| 4.3 通用物体识别模块的具体实现 | 第54-63页 |
| 4.3.1 ObjectsRecognizor的实现 | 第54-58页 |
| 4.3.2 ObjectsTracker的实现 | 第58-60页 |
| 4.3.3 Revisor的实现 | 第60-63页 |
| 4.4 实现结果 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-72页 |