| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 孪生网络国内外研究现状 | 第14-15页 |
| 1.2.2 通用场景目标跟踪国内外研究现状 | 第15-20页 |
| 1.2.3 舰船目标跟踪国内外研究现状 | 第20-21页 |
| 1.3 本文研究内容和创新点 | 第21-22页 |
| 1.4 本文结构安排 | 第22-25页 |
| 第二章 孪生网络及目标跟踪相关理论 | 第25-35页 |
| 2.1 孪生网络结构 | 第25-26页 |
| 2.2 典型目标跟踪算法构成及处理流程 | 第26-28页 |
| 2.2.1 运动模型 | 第26页 |
| 2.2.2 特征提取 | 第26-27页 |
| 2.2.3 观测模型 | 第27页 |
| 2.2.4 模型更新 | 第27页 |
| 2.2.5 总体后处理 | 第27页 |
| 2.2.6 典型目标跟踪算法处理流程 | 第27-28页 |
| 2.3 OTB-2013评估基准简介 | 第28-33页 |
| 2.3.1 测试序列概览 | 第28-29页 |
| 2.3.2 测试序列属性 | 第29-32页 |
| 2.3.3 评估指标 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于孪生网络的通用场景目标跟踪 | 第35-69页 |
| 3.1 基于全卷积孪生网络的通用场景目标跟踪 | 第35-42页 |
| 3.1.1 算法整体结构 | 第36-38页 |
| 3.1.2 离线训练过程 | 第38-42页 |
| 3.1.3 在线跟踪过程 | 第42页 |
| 3.2 基于孪生网络加相关滤波和重检测的通用场景目标跟踪 | 第42-54页 |
| 3.2.1 算法整体结构 | 第42-44页 |
| 3.2.2 主跟踪模块 | 第44-49页 |
| 3.2.3 重检测模块 | 第49-52页 |
| 3.2.4 学习模块 | 第52-53页 |
| 3.2.5 整合模块 | 第53-54页 |
| 3.3 实验 | 第54-68页 |
| 3.3.1 整体性能分析 | 第55-59页 |
| 3.3.2 属性分析 | 第59-66页 |
| 3.3.3 定性分析 | 第66-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第四章 基于孪生网络的舰船目标跟踪 | 第69-81页 |
| 4.1 舰船跟踪定义 | 第69-70页 |
| 4.2 舰船跟踪评价基准 | 第70-71页 |
| 4.2.1 舰船测试序列 | 第70页 |
| 4.2.2 集成的跟踪算法 | 第70-71页 |
| 4.2.3 评估方式 | 第71页 |
| 4.3 舰船跟踪细节描述 | 第71-74页 |
| 4.3.1 扩充舰船训练集 | 第72-73页 |
| 4.3.2 使用海天线提取技术 | 第73-74页 |
| 4.3.3 降低重检测频率 | 第74页 |
| 4.4 实验 | 第74-80页 |
| 4.4.1 定量分析 | 第74-78页 |
| 4.4.2 定性分析 | 第78-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-84页 |
| 5.1 总结 | 第81-82页 |
| 5.2 展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 研究生期间的科研活动和研究成果 | 第90-91页 |
| 致谢 | 第91页 |