基于多模型框架的跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 2 损失函数熵最小化的多模型跟踪算法 | 第15-22页 |
| 2.1 MEEM算法的结构 | 第15-16页 |
| 2.2 特征提取 | 第16页 |
| 2.3 基于熵最小化准则的损失函数 | 第16-20页 |
| 2.4 在线的线性SVM分类器 | 第20-21页 |
| 2.5 模型集的更新 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 基于适应性特征提取方法的MEEM算法 | 第22-43页 |
| 3.1 特征映射 | 第22-23页 |
| 3.2 具有适应性的特征映射方法 | 第23-26页 |
| 3.3 使用适应性特征提取方法的算法结构 | 第26-27页 |
| 3.4 实验环境和评价方法 | 第27-28页 |
| 3.5 通用数据集实验结果及分析 | 第28-31页 |
| 3.6 收集数据集实验结果及分析 | 第31-41页 |
| 3.7 本章小结 | 第41-43页 |
| 4 基于模型更新审查制度的MEEM算法 | 第43-58页 |
| 4.1 无审查条件的模型更新方法 | 第43页 |
| 4.2 具有审查制度的模型更新方法 | 第43-45页 |
| 4.3 使用模型更新审查制度的算法结构 | 第45-46页 |
| 4.4 通用数据集实验结果及分析 | 第46-49页 |
| 4.5 收集数据集实验结果及分析 | 第49-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58页 |
| 5.2 课题展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录1 攻读学位期间取得的成果 | 第66页 |
