基于深度上下文模型学习的快速视觉跟踪算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 视觉跟踪 | 第11-12页 |
| 1.1.2 深度图像的采集与应用 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 视觉跟踪算法的相关研究 | 第14-15页 |
| 1.2.2 深度信息在视觉领域的相关应用 | 第15-16页 |
| 1.3 本文主要工作和创新点 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 视觉跟踪算法流程与关键技术分析 | 第19-34页 |
| 2.1 视觉跟踪算法流程分析 | 第19-20页 |
| 2.2 目标特征提取 | 第20-24页 |
| 2.2.1 跟踪区域标定 | 第20-22页 |
| 2.2.2 特征选择 | 第22-23页 |
| 2.2.3 描述子选定 | 第23-24页 |
| 2.3 物体外观建模 | 第24-27页 |
| 2.4 目标搜索策略 | 第27-29页 |
| 2.5 模型更新策略 | 第29-30页 |
| 2.6 相关滤波技术的应用 | 第30-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 基于深度上下文模型的跟踪算法 | 第34-50页 |
| 3.1 深度上下文模型建立及目标中心点定位 | 第34-39页 |
| 3.1.1 STC的概率论模型 | 第34-35页 |
| 3.1.2 置信图模型 | 第35-36页 |
| 3.1.3 先验模型 | 第36-37页 |
| 3.1.4 深度上下文模型 | 第37-38页 |
| 3.1.5 中心点检测及更新机制 | 第38-39页 |
| 3.2 区域生长法及目标尺度的精确描述 | 第39-43页 |
| 3.2.1 区域生长法 | 第40-41页 |
| 3.2.2 目标尺度精确调整 | 第41-43页 |
| 3.3 基于深度图像的遮挡检测及模型更新策略 | 第43-47页 |
| 3.4 算法整体流程 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 视觉跟踪算法的实验测试及分析 | 第50-60页 |
| 4.1 实验测试环境 | 第50-52页 |
| 4.1.1 实验相关参数设置 | 第50页 |
| 4.1.2 数据集及性能评测指标 | 第50-52页 |
| 4.2 不同跟踪算法的综合性能对比 | 第52-54页 |
| 4.3 针对尺度变化策略的测试对比 | 第54-58页 |
| 4.4 针对遮挡检测与处理策略的测试对比 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 未来展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
