| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 研究现状与难点 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-15页 |
| 1.2.2 目前面临的挑战 | 第15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 常用的目标跟踪算法以及相关理论 | 第18-32页 |
| 2.1 基于产生式模型的目标跟踪算法 | 第18-23页 |
| 2.1.1 ?1T跟踪算法 | 第18-22页 |
| 2.1.2 基于稀疏的产生式模型 | 第22-23页 |
| 2.2 基于判别式模型的目标跟踪算法 | 第23-28页 |
| 2.2.1 支持向量跟踪 | 第23-27页 |
| 2.2.2 AdaBoost算法 | 第27-28页 |
| 2.3 基于检测的目标跟踪算法 | 第28-31页 |
| 2.3.1 基于检测的跟踪算法概述 | 第28-29页 |
| 2.3.2 典型的基于检测的目标跟踪算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于外观变化和遮挡估计的自适应随机整体跟踪方法 | 第32-47页 |
| 3.1 基于稀疏光流外观变化状态估计方法 | 第32-37页 |
| 3.1.1 金字塔Lucas-Kanade光流算法 | 第33-34页 |
| 3.1.2 基于稀疏光流外观变化估计方法 | 第34-37页 |
| 3.2 基于稀疏表示遮挡状态估计方法 | 第37-38页 |
| 3.3 自适应模型更新策略 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-46页 |
| 3.4.1 定量评价 | 第41-43页 |
| 3.4.2 定性评价 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于特征点定位辅助的TLD跟踪方法 | 第47-56页 |
| 4.1 特征点的提取与构建 | 第47-50页 |
| 4.1.1 SURF算法简介 | 第47-49页 |
| 4.1.2 特征点模型 | 第49-50页 |
| 4.2 基于特征点定位辅助的TLD跟踪方法 | 第50-52页 |
| 4.3 实验结果及分析 | 第52-55页 |
| 4.3.1 定量评价 | 第52-53页 |
| 4.3.2 定性评价 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 主要工作与创新点 | 第56-57页 |
| 5.2 后续研究工作 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64页 |