| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-27页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 目标跟踪面临的主要问题 | 第10-14页 |
| 1.2.1 自身因素的变化 | 第11-12页 |
| 1.2.2 外部因素的干扰 | 第12-14页 |
| 1.3 目标跟踪算法大致流程 | 第14-18页 |
| 1.3.1 初始化目标状态 | 第14页 |
| 1.3.2 目标表观建模 | 第14-16页 |
| 1.3.3 搜索策略选取 | 第16-17页 |
| 1.3.4 模型更新 | 第17-18页 |
| 1.4 国内外研究现状 | 第18-21页 |
| 1.4.1 传统的目标跟踪算法 | 第18-19页 |
| 1.4.2 基于相关滤波器的目标跟踪算法 | 第19-20页 |
| 1.4.3 基于深度学习的目标跟踪算法 | 第20-21页 |
| 1.5 研究趋势分析及展望 | 第21-23页 |
| 1.6 论文研究方案及组织结构 | 第23-25页 |
| 1.7 本章小结 | 第25-27页 |
| 第2章 深度神经网络模型简介 | 第27-33页 |
| 2.1 引言 | 第27-28页 |
| 2.2 卷积神经网络 | 第28-30页 |
| 2.3 递归神经网络 | 第30-31页 |
| 2.4 孪生神经网络 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于空间多方向递归神经网络调制的层次化核相关滤波器跟踪算法 | 第33-53页 |
| 3.1 引言 | 第33-36页 |
| 3.2 算法概述 | 第36-37页 |
| 3.3 多方向递归神经网络编码空间上下文信息 | 第37-39页 |
| 3.4 正则化核相关滤波器 | 第39-42页 |
| 3.5 尺度金字塔估计最优尺度 | 第42页 |
| 3.6 自适应核相关滤波器模型更新 | 第42页 |
| 3.7 实验 | 第42-52页 |
| 3.7.1 实验细节 | 第44-45页 |
| 3.7.2 评估方案 | 第45页 |
| 3.7.3 性能对比 | 第45-51页 |
| 3.7.4 上下文语义信息和多尺度特征表达的影响 | 第51-52页 |
| 3.8 本章小结 | 第52-53页 |
| 第4章 基于多任务孪生神经网络的联合推断跟踪算法 | 第53-71页 |
| 4.1 引言 | 第53-54页 |
| 4.2 算法概述 | 第54-57页 |
| 4.3 多任务孪生神经网络模型 | 第57-58页 |
| 4.4 多任务孪生神经网络训练数据集处理 | 第58-59页 |
| 4.5 基于自适应核相关滤波器的重检测模型 | 第59-60页 |
| 4.6 实验 | 第60-69页 |
| 4.6.1 实验细节 | 第60-62页 |
| 4.6.2 评估方案 | 第62页 |
| 4.6.3 性能对比 | 第62-67页 |
| 4.6.4 自适应重检测器的影响与运行时间比较 | 第67-69页 |
| 4.7 本章小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第81页 |