基于在线式学习的多目标视觉跟踪算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 引言 | 第14-24页 |
| ·研究背景和意义 | 第14-15页 |
| ·研究现状 | 第15-21页 |
| ·在线式视觉跟踪 | 第15-20页 |
| ·基于关联的多目标视觉跟踪 | 第20-21页 |
| ·论文的主要贡献 | 第21-22页 |
| ·论文的组织 | 第22-24页 |
| 第二章 在线式视觉跟踪 | 第24-52页 |
| ·算法概述 | 第24-26页 |
| ·跟踪器 | 第26-38页 |
| ·图像特征 | 第26-27页 |
| ·状态空间 | 第27页 |
| ·初始化 | 第27页 |
| ·运动模型 | 第27-28页 |
| ·观察模型 | 第28-36页 |
| ·重采样 | 第36页 |
| ·SVM修复机制 | 第36-38页 |
| ·检测器 | 第38-42页 |
| ·图像特征 | 第38页 |
| ·级联分类器 | 第38-42页 |
| ·模版匹配模型 | 第42-43页 |
| ·实验结果 | 第43-50页 |
| ·数据集 | 第43-45页 |
| ·评估方法 | 第45页 |
| ·评估结果 | 第45-49页 |
| ·基于不同类别的多目标跟踪结果 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第三章 基于同类别的多目标视觉跟踪 | 第52-68页 |
| ·算法概述 | 第52-53页 |
| ·检测器 | 第53-56页 |
| ·CENTRIST特征 | 第53-54页 |
| ·检测器的训练 | 第54-55页 |
| ·检测器的测试 | 第55-56页 |
| ·跟踪器 | 第56-60页 |
| ·初始化和终止 | 第57-58页 |
| ·粒子滤波器 | 第58页 |
| ·在线学习算法 | 第58-60页 |
| ·数据关联 | 第60-61页 |
| ·实验结果 | 第61-67页 |
| ·数据集 | 第61-62页 |
| ·评估方法 | 第62-64页 |
| ·评估结果 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第四章 总结与展望 | 第68-70页 |
| ·研究工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 文章发表和专利申请情况 | 第78-79页 |
| 简历 | 第79-80页 |
| 致谢 | 第80页 |
