| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-18页 |
| 1.2 研究内容及创新点 | 第18-20页 |
| 1.2.1 基于深度外观融合建模的在线目标跟踪 | 第18-19页 |
| 1.2.2 基于卷积神经网络的在线目标跟踪 | 第19页 |
| 1.2.3 基于递归神经网络序列标注的目标跟踪 | 第19-20页 |
| 1.2.4 基于层级数据关联方法的轨迹跟踪 | 第20页 |
| 1.3 论文章节内容安排 | 第20-22页 |
| 第2章 研究现状 | 第22-34页 |
| 2.1 非特定单目标跟踪任务的研究现状 | 第22-29页 |
| 2.1.1 目标区域 | 第23-24页 |
| 2.1.2 外观模型 | 第24-26页 |
| 2.1.3 运动模型和搜索机制 | 第26-27页 |
| 2.1.4 模型更新和学习 | 第27-29页 |
| 2.2 深度学习应用于目标跟踪的研究现状 | 第29-30页 |
| 2.3 小目标跟踪任务的研究现状 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 基于深度外观融合建模的在线目标跟踪 | 第34-56页 |
| 3.1 引言 | 第34-35页 |
| 3.2 通用图像特征提取器 | 第35-36页 |
| 3.3 神经网络的训练 | 第36-39页 |
| 3.3.1 误差反向传播算法 | 第37-39页 |
| 3.4 基于粒子滤波器的视觉跟踪框架 | 第39-41页 |
| 3.5 模型提升框架 | 第41-42页 |
| 3.6 基于DNN的深度外观融合建模 | 第42-45页 |
| 3.7 在线目标跟踪评测平台 | 第45-48页 |
| 3.8 实验评测 | 第48-55页 |
| 3.8.1 数据预处理 | 第48-49页 |
| 3.8.2 网络构建和训练 | 第49页 |
| 3.8.3 离线特征学习 | 第49-50页 |
| 3.8.4 实验设置 | 第50-51页 |
| 3.8.5 定量评价 | 第51页 |
| 3.8.6 定性分析 | 第51-55页 |
| 3.9 本章小结 | 第55-56页 |
| 第4章 基于卷积神经网络与MH采样准则的在线跟踪 | 第56-76页 |
| 4.1 引言 | 第56-57页 |
| 4.2 卷积神经网络 | 第57-61页 |
| 4.2.1 网络结构定义 | 第57-58页 |
| 4.2.2 卷积层 | 第58-59页 |
| 4.2.3 池化层 | 第59-60页 |
| 4.2.4 网络参数学习 | 第60-61页 |
| 4.3 Metropolis-Hastings采样 | 第61-63页 |
| 4.4 基于MH重采样的目标跟踪 | 第63-68页 |
| 4.4.1 在线跟踪框架 | 第63-64页 |
| 4.4.2 基于卷积神经网络的外观建模 | 第64-65页 |
| 4.4.3 基于MH采样的后验修正 | 第65-66页 |
| 4.4.4 近似估计算法 | 第66-68页 |
| 4.5 基于Caffe工具包的实现 | 第68-69页 |
| 4.6 实验评测 | 第69-74页 |
| 4.6.1 实验设置 | 第69-70页 |
| 4.6.2 定量评价 | 第70-71页 |
| 4.6.3 定性分析 | 第71-74页 |
| 4.7 本章小结 | 第74-76页 |
| 第5章 基于递归神经网络序列标注的目标跟踪 | 第76-98页 |
| 5.1 引言 | 第76-77页 |
| 5.2 递归神经网络 | 第77-80页 |
| 5.2.1 前向处理 | 第77-78页 |
| 5.2.2 后向处理 | 第78-79页 |
| 5.2.3 双向递归神经网络 | 第79-80页 |
| 5.3 基于LSTM的递归神经网络 | 第80-84页 |
| 5.3.1 LSTM模块的前向后向处理 | 第82-84页 |
| 5.4 基于RNN序列标注的目标跟踪方法 | 第84-90页 |
| 5.4.1 系统概述 | 第84-85页 |
| 5.4.2 目标表示 | 第85-86页 |
| 5.4.3 训练样本的获取 | 第86-87页 |
| 5.4.4 目标搜索机制 | 第87-89页 |
| 5.4.5 更新策略 | 第89-90页 |
| 5.4.6 目标跟踪方法流程 | 第90页 |
| 5.5 实验评测 | 第90-95页 |
| 5.5.1 实验设置 | 第90-92页 |
| 5.5.2 定量评价 | 第92页 |
| 5.5.3 定性分析 | 第92-95页 |
| 5.6 本章小结 | 第95-98页 |
| 第6章 基于层级数据关联方法的轨迹跟踪 | 第98-116页 |
| 6.1 引言 | 第98页 |
| 6.2 系统概述 | 第98-99页 |
| 6.3 候选目标检测 | 第99-101页 |
| 6.3.1 球场场线检测 | 第100页 |
| 6.3.2 球员跟踪 | 第100-101页 |
| 6.4 轨迹片段生成 | 第101-105页 |
| 6.4.1 运动模型 | 第101-102页 |
| 6.4.2 品质分数 | 第102页 |
| 6.4.3 滑动令牌传递算法 | 第102-104页 |
| 6.4.4 令牌修剪 | 第104-105页 |
| 6.5 轨迹片段拼接 | 第105-109页 |
| 6.5.1 构架基于轨迹片段的有向无环图 | 第105-108页 |
| 6.5.2 窗口内轨迹片段拼接 | 第108页 |
| 6.5.3 窗口间轨迹片段拼接 | 第108-109页 |
| 6.5.4 惩罚因子 | 第109页 |
| 6.6 实验 | 第109-115页 |
| 6.6.1 实验设置 | 第110页 |
| 6.6.2 F1度量 | 第110-111页 |
| 6.6.3 性能评测与讨论 | 第111-113页 |
| 6.6.4 交叉数据集分析 | 第113-114页 |
| 6.6.5 关键参数分析 | 第114-115页 |
| 6.7 本章小结 | 第115-116页 |
| 总结与展望 | 第116-120页 |
| 参考文献 | 第120-136页 |
| 致谢 | 第136-138页 |
| 攻读博士学位期间发表的论文及其他成果 | 第138-140页 |