| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景及选题意义 | 第6-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 跟踪技术分类 | 第8-9页 |
| 1.2.2 特征提取 | 第9-10页 |
| 1.2.3 技术难点 | 第10页 |
| 1.3 本文贡献 | 第10-11页 |
| 1.4 论文章节安排 | 第11-12页 |
| 2 相关工作 | 第12-19页 |
| 2.1 相关滤波(Correlation Filter) | 第12-13页 |
| 2.2 卷积神经网络 | 第13-15页 |
| 2.2.1 卷积神经网络基本结构 | 第14-15页 |
| 2.3 残差网络结构 | 第15-17页 |
| 2.4 基于相关滤波的目标跟踪 | 第17-19页 |
| 3 基于结构化模型相关滤波的目标跟踪算法 | 第19-31页 |
| 3.1 算法框架和动机 | 第19-20页 |
| 3.2 特征提取 | 第20-22页 |
| 3.3 基础结构-背景感知相关滤波 | 第22-25页 |
| 3.4 空间互补结构化模型 | 第25-31页 |
| 3.4.1 模型初始化 | 第25-27页 |
| 3.4.2 在线更新 | 第27-29页 |
| 3.4.3 跟踪过程 | 第29页 |
| 3.4.4 目标状态估计 | 第29-31页 |
| 4 实验分析 | 第31-42页 |
| 4.1 评测数据库介绍 | 第31-32页 |
| 4.2 实验参数说明 | 第32页 |
| 4.3 在OTB数据集上的实验评估 | 第32-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表学术论文情况 | 第46-47页 |
| 致谢 | 第47-49页 |