| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 目标跟踪算法综述 | 第12-15页 |
| 1.2.1 基于运动信息的目标跟踪 | 第12-13页 |
| 1.2.2 基于在线学习的目标跟踪 | 第13-14页 |
| 1.2.3 检测跟踪融合的多目标跟踪算法 | 第14-15页 |
| 1.3 本文的主要研究内容与章节安排 | 第15-16页 |
| 2 学习型主要跟踪方法介绍 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 代表性跟踪算法介绍及实验效果 | 第16-25页 |
| 2.2.1 On-line boosting算法 | 第16-20页 |
| 2.2.2 TLD跟踪算法 | 第20-21页 |
| 2.2.3 Real-Time Compressive Tracking | 第21-24页 |
| 2.2.4 Struck: Structured Output Tracking with Kernels | 第24-25页 |
| 2.3 算法的性能分析 | 第25-28页 |
| 2.3.1 定性分析 | 第25-26页 |
| 2.3.2 实验分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于区域学习和结构约束的目标跟踪算法 | 第29-40页 |
| 3.1 区域的选择 | 第29-31页 |
| 3.2 结构关系描述 | 第31-32页 |
| 3.3 跟踪及在线学习机制 | 第32-35页 |
| 3.3.1 在线学习策略 | 第33页 |
| 3.3.2 利用结构关系建立整体跟踪模型 | 第33-35页 |
| 3.4 模型的在线更新 | 第35页 |
| 3.5 算法的跟踪效果评估 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 结合检测的动态行人跟踪算法 | 第40-65页 |
| 4.1 引言 | 第40页 |
| 4.2 算法描述 | 第40-42页 |
| 4.3 行人检测算法 | 第42-47页 |
| 4.3.1 特征描述 | 第43-44页 |
| 4.3.2 分类器 | 第44-47页 |
| 4.4 基于数据联想的实时多目标跟踪算法 | 第47-54页 |
| 4.4.1 运动模型 | 第48-50页 |
| 4.4.2 数据联想 | 第50-51页 |
| 4.4.3 外观模型 | 第51-54页 |
| 4.5 实验与算法效果评估 | 第54-64页 |
| 4.5.1 目标出现与目标消失 | 第56-57页 |
| 4.5.2 目标位置的确定 | 第57-58页 |
| 4.5.3 目标跟踪效果 | 第58-60页 |
| 4.5.4 行人计数 | 第60-63页 |
| 4.5.5 算法实时性 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-68页 |
| 5.1 全文工作总结 | 第65-66页 |
| 5.2 研究工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75页 |