| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 目标跟踪面临的挑战 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 基于跟踪和检测的目标跟踪方法 | 第15-16页 |
| 1.3.2 基于核化相关滤波的目标跟踪算法 | 第16-17页 |
| 1.3.3 基于深度学习的目标跟踪算法 | 第17页 |
| 1.3.4 基于似物性采样的目标跟踪算法 | 第17-18页 |
| 1.4 本文的研究内容和组织结构 | 第18-21页 |
| 第2章 相关理论知识 | 第21-35页 |
| 2.1 循环矩阵 | 第21-24页 |
| 2.1.1 定义 | 第21-22页 |
| 2.1.2 性质 | 第22-24页 |
| 2.1.3 应用 | 第24页 |
| 2.2 核函数 | 第24-28页 |
| 2.2.1 定义 | 第25页 |
| 2.2.2 Mercer定理 | 第25-26页 |
| 2.2.3 核函数的特点 | 第26-27页 |
| 2.2.4 常见核函数 | 第27-28页 |
| 2.3 相关滤波器 | 第28-30页 |
| 2.4 KCF跟踪框架 | 第30-33页 |
| 2.4.1 训练阶段 | 第31-32页 |
| 2.4.2 检测阶段 | 第32页 |
| 2.4.3 模型更新 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 基于在线协作训练的多层多核相关滤波器跟踪算法 | 第35-51页 |
| 3.1 引言 | 第35页 |
| 3.2 多层多核学习 | 第35-36页 |
| 3.3 MLMKCF跟踪算法 | 第36-41页 |
| 3.3.1 训练多层多核滤波器 | 第37-38页 |
| 3.3.2 融合color特征和HOG特征 | 第38-39页 |
| 3.3.3 目标的检测阶段 | 第39-40页 |
| 3.3.4 自适应更新策略 | 第40-41页 |
| 3.4 实验结果 | 第41-49页 |
| 3.4.1 实验设置 | 第41-42页 |
| 3.4.2 评价准则 | 第42-44页 |
| 3.4.3 定量分析 | 第44-45页 |
| 3.4.4 基于属性的评估 | 第45-46页 |
| 3.4.5 定性评估 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于似物性采样和核化相关滤波器的目标跟踪算法 | 第51-65页 |
| 4.1 引言 | 第51-52页 |
| 4.2 MKCFDP跟踪算法 | 第52-53页 |
| 4.3 似物性采样方法 | 第53-55页 |
| 4.4 基于熵最小化的多专家分类器组 | 第55-58页 |
| 4.4.1 在线训练的SVM分类器 | 第56-57页 |
| 4.4.2 熵最小化准则 | 第57-58页 |
| 4.5 实验结果 | 第58-63页 |
| 4.5.1 实验设置 | 第58-59页 |
| 4.5.2 评价准则 | 第59页 |
| 4.5.3 定量分析 | 第59-60页 |
| 4.5.4 基于属性的评估 | 第60-61页 |
| 4.5.5 定性评估 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 研究内容总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第75页 |