| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 视觉目标跟踪的研究背景及意义 | 第12-14页 |
| 1.2 视觉目标跟踪技术在武器系统中的应用 | 第14-15页 |
| 1.3 视觉目标跟踪技术的国内外研究现状 | 第15-16页 |
| 1.4 视觉目标跟踪算法 | 第16-19页 |
| 1.5 本文的主要研究内容及章节安排 | 第19-20页 |
| 第二章 基于在线学习的目标跟踪算法 | 第20-37页 |
| 2.1 引言 | 第20页 |
| 2.2 卡尔曼滤波目标跟踪算法 | 第20-23页 |
| 2.2.1 贝叶斯滤波理论 | 第20-21页 |
| 2.2.2 卡尔曼滤波理论 | 第21-23页 |
| 2.3 在线学习目标跟踪算法 | 第23-25页 |
| 2.4 在线Boosting跟踪算法 | 第25-34页 |
| 2.4.1 局部特征选择 | 第26-27页 |
| 2.4.2 在线AdaBoost跟踪算法 | 第27-33页 |
| 2.4.3 在线AdaBoost跟踪算法仿真实验 | 第33-34页 |
| 2.5 多示例学习 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于在线多示例学习的目标跟踪算法 | 第37-58页 |
| 3.1 引言 | 第37页 |
| 3.2 多示例学习在跟踪算法中的应用 | 第37-38页 |
| 3.3 在线多示例学习目标跟踪算法 | 第38-45页 |
| 3.3.1 运动模型 | 第39-41页 |
| 3.3.2 分类器的更新 | 第41-45页 |
| 3.4 实验结果与分析 | 第45-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 基于在线多示例学习与协同训练的目标跟踪算法 | 第58-80页 |
| 4.1 引言 | 第58页 |
| 4.2 半监督学习 | 第58-60页 |
| 4.3 示例重要性度量 | 第60-63页 |
| 4.4 协同训练跟踪算法 | 第63-66页 |
| 4.5 仿真实验 | 第66-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 本文的主要研究工作总结 | 第80页 |
| 5.2 进一步研究工作的展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 在学期间的研究成果及发表的学术论文 | 第88页 |