在线半监督学习尺度自适应鲁棒目标跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-11页 |
| 1.3 研究现状及存在的问题 | 第11-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 在线boosting算法 | 第16-26页 |
| 2.1 在线boosting集成学习方法 | 第16-18页 |
| 2.1.1 概述 | 第16-17页 |
| 2.1.2 集成学习 | 第17页 |
| 2.1.3 跟踪流程 | 第17-18页 |
| 2.2 半监督在线boosting集成学习方法 | 第18-25页 |
| 2.2.1 概述 | 第18-19页 |
| 2.2.2 半监督学习策略 | 第19-20页 |
| 2.2.3 算法步骤 | 第20-22页 |
| 2.2.4 实验结果与对比 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于信息量的尺度自适应在线目标跟踪 | 第26-35页 |
| 3.1 信息量的原理 | 第26-27页 |
| 3.1.1 图像的四类特征点 | 第26-27页 |
| 3.1.2 图像信息量度量方法 | 第27页 |
| 3.2 算法分析和步骤 | 第27-31页 |
| 3.3 实验分析与结果 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于权重图像的尺度自适应在线目标跟踪 | 第35-43页 |
| 4.1 引言 | 第35页 |
| 4.2 尺度调整策略 | 第35-39页 |
| 4.2.1 权重因子和权重图像 | 第35-36页 |
| 4.2.2 估计目标区域面积和尺寸 | 第36-39页 |
| 4.3 尺度自适应在线鲁棒目标跟踪算法 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 本文总结 | 第43页 |
| 5.2 未来展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 在学期间发表的学术论文与研究成果 | 第51页 |
