遮挡和形变场景下的目标跟踪算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 处理遮挡方法综述 | 第12-15页 |
| 1.2.2 处理目标形变方法综述 | 第15-16页 |
| 1.2.3 跟踪算法的实时性研究 | 第16-17页 |
| 1.3 研究工作概述 | 第17-18页 |
| 1.4 论文内容安排 | 第18-20页 |
| 第二章 跟踪过程中遮挡检测与识别 | 第20-34页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于相关滤波算法概述 | 第21-22页 |
| 2.3 基于反应曲线的遮挡检测 | 第22-25页 |
| 2.3.1 反应曲线的特性 | 第22-24页 |
| 2.3.2 反应曲线与遮挡的关系 | 第24-25页 |
| 2.4 基于反向跟踪的完全遮挡检测 | 第25-26页 |
| 2.4.1 完全遮挡的发生 | 第25页 |
| 2.4.2 反向跟踪的原理 | 第25页 |
| 2.4.3 完全遮挡的判断 | 第25-26页 |
| 2.5 实验结果与分析 | 第26-32页 |
| 2.5.1 数据集、评价标准及参数设置 | 第26-27页 |
| 2.5.2 与现存算法的对比结果 | 第27-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于深度学习特征特性的目标外形变化检测 | 第34-41页 |
| 3.1 引言 | 第34页 |
| 3.2 深度学习在跟踪领域的应用综述 | 第34-36页 |
| 3.3 基于深度学习的形变检测 | 第36-37页 |
| 3.3.1 不同层次深度学习特征的特点及分析 | 第36-37页 |
| 3.3.2 形变与不同特征之间的关系 | 第37页 |
| 3.4 实验结果与分析 | 第37-38页 |
| 3.4.1 数据集、评价标准及参数设置 | 第37-38页 |
| 3.4.2 与现存算法的对比结果 | 第38页 |
| 3.5 本章小结 | 第38-41页 |
| 第四章 目标跟踪算法的并行优化 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 算法并行方法综述 | 第41-43页 |
| 4.2.1 基于硬件的并行方案 | 第41-42页 |
| 4.2.2 基于软件的并行方案 | 第42-43页 |
| 4.3 一般化的跟踪模型 | 第43-45页 |
| 4.3.1 一般化的跟踪模型 | 第43-44页 |
| 4.3.2 模型的并行性分析及并行化方案 | 第44-45页 |
| 4.4 并行化方案的实施 | 第45页 |
| 4.5 实验结果与分析 | 第45-48页 |
| 4.5.1 数据集及评价标准 | 第45-46页 |
| 4.5.2 实验结果与分析 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 结论 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 工作展望 | 第51-52页 |
| 致谢 | 第52-55页 |
| 参考文献 | 第55-61页 |
| 作者在学期间取得的学术成果 | 第61页 |
