| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究背景及意义 | 第12页 |
| ·目标跟踪的研究基础与现状 | 第12-13页 |
| ·论文主要内容与章节安排 | 第13-15页 |
| 第二章 跟踪研究方法综述 | 第15-22页 |
| ·目标跟踪方法 | 第15-17页 |
| ·运动目标检测方法 | 第17-18页 |
| ·研究难点 | 第18-19页 |
| ·目标跟踪的数据库 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于双向角点光流的短期跟踪 | 第22-45页 |
| ·传统短期跟踪算法的问题研究 | 第22-28页 |
| ·传统光流跟踪算法 | 第22-23页 |
| ·基于错误跟踪点判断机制的光流跟踪 | 第23-28页 |
| ·基于双向角点光流的短期跟踪算法 | 第28-39页 |
| ·基于双向光流的跟踪算法问题研究 | 第28-31页 |
| ·双向关键点光流跟踪的原理及总体框架 | 第31-32页 |
| ·角点提取模块 | 第32-34页 |
| ·光流跟踪模块 | 第34-36页 |
| ·双向光流点判断机制模块 | 第36-37页 |
| ·可靠点跟踪模块 | 第37-39页 |
| ·实验结果与分析 | 第39-44页 |
| ·准确性量化指标 | 第39-40页 |
| ·基于双向角点光流跟踪的实验比较与分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 结合特征融合模板的在线学习和轨迹平滑性约束的持续跟踪框架 | 第45-79页 |
| ·基于检测学习的跟踪意义及问题研究 | 第46-50页 |
| ·基于检测学习的跟踪意义 | 第46-47页 |
| ·TLD 跟踪器分析与研究 | 第47-50页 |
| ·基于特征融合模板的检测学习跟踪 | 第50-64页 |
| ·特征融合模板 | 第50-53页 |
| ·特征融合模板一级特征及其学习检测 | 第53-55页 |
| ·特征融合模板二级特征及其学习检测 | 第55-60页 |
| ·特征融合模板三级特征及其学习检测 | 第60-63页 |
| ·融合模板的检测置信度 | 第63-64页 |
| ·基于轨迹平滑性约束的持续跟踪 | 第64-66页 |
| ·在线位置预测意义 | 第64-65页 |
| ·基于轨迹平滑算法的在线位置预测 | 第65-66页 |
| ·持续鲁棒跟踪的系统框架 | 第66-68页 |
| ·实验结果与分析 | 第68-77页 |
| ·MIT 行人数据库的检测结果比较 | 第68-70页 |
| ·特征融合模板的检测实验与分析 | 第70-72页 |
| ·TLD 跟踪器与本文跟踪系统的运行时间比较 | 第72页 |
| ·长期鲁棒跟踪系统与其他跟踪算法的比较 | 第72-77页 |
| ·本章小结 | 第77-79页 |
| 第五章 总结与展望 | 第79-81页 |
| ·本文主要工作总结 | 第79页 |
| ·后续研究方向展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录 1 符号与标记 | 第85-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87-89页 |