基于超像素的分块时空上下文视频目标跟踪算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 组织结构 | 第15-17页 |
| 第2章 视频目标跟踪算法综述 | 第17-27页 |
| 2.1 四种视频目标跟踪理论简述及分析 | 第17-25页 |
| 2.1.1 均值漂移视频目标跟踪的算法分析 | 第17-19页 |
| 2.1.2 粒子滤波视频目标跟踪的算法分析 | 第19-21页 |
| 2.1.3 光流法视频目标跟踪的算法分析 | 第21-22页 |
| 2.1.4 深度学习视频目标跟踪的算法分析 | 第22-24页 |
| 2.1.5 时空上下文视频目标跟踪的算法分析 | 第24-25页 |
| 2.2 视频目标跟踪存在的难题 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 时空上下文学习跟踪算法 | 第27-35页 |
| 3.1 时空上下文学习原理 | 第27-30页 |
| 3.1.1 空间上下文模型 | 第27-28页 |
| 3.1.2 上下文先验概率模型 | 第28-29页 |
| 3.1.3 置信图 | 第29页 |
| 3.1.4 空间上下文模型的学习 | 第29-30页 |
| 3.2 时空上下文跟踪 | 第30-31页 |
| 3.2.1 时空上下文模型更新 | 第30-31页 |
| 3.2.2 尺度参数的更新 | 第31页 |
| 3.3 实验结果与分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于超像素的分块时空上下文目标跟踪 | 第35-53页 |
| 4.1 超像素 | 第35-40页 |
| 4.1.1 超像素分割算法的分类与对比分析 | 第35-38页 |
| 4.1.2 简单线性迭代聚类算法 | 第38-40页 |
| 4.2 基于超像素的分块时空上下文目标跟踪算法 | 第40-45页 |
| 4.2.1 超像素级的目标分块 | 第40-42页 |
| 4.2.2 超像素分块的时空上下文跟踪过程 | 第42-44页 |
| 4.2.3 超像素分块的时空上下文参数更新 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-51页 |
| 4.3.1 定性评价准则与结果分析 | 第45-49页 |
| 4.3.2 定量评价准则与结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
