| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-29页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11-13页 |
| 1.2 目标跟踪技术的定义及分类 | 第13-15页 |
| 1.2.1 目标跟踪技术的定义 | 第13-14页 |
| 1.2.2 目标跟踪技术的分类 | 第14-15页 |
| 1.3 目标跟踪技术研究现状 | 第15-24页 |
| 1.3.1 目标模型研究现状 | 第15-23页 |
| 1.3.2 目标跟踪算法研究现状 | 第23-24页 |
| 1.4 目标跟踪的技术难点及存在问题 | 第24-26页 |
| 1.4.1 目标跟踪的技术难点 | 第24-25页 |
| 1.4.2 目标跟踪存在的问题 | 第25-26页 |
| 1.5 本文主要研究工作 | 第26-29页 |
| 1.5.1 主要研究目标 | 第26页 |
| 1.5.2 主要研究内容 | 第26-29页 |
| 第2章 多特征融合目标跟踪框架的构建 | 第29-53页 |
| 2.1 多特征目标模型的建立 | 第29-33页 |
| 2.1.1 颜色特征模型 | 第29-30页 |
| 2.1.2 边缘特征模型 | 第30-31页 |
| 2.1.3 纹理特征模型 | 第31-32页 |
| 2.1.4 运动特征模型 | 第32页 |
| 2.1.5 多特征融合目标模型 | 第32-33页 |
| 2.2 目标跟踪算法分析 | 第33-51页 |
| 2.2.1 基于粒子滤波的目标跟踪算法 | 第34-43页 |
| 2.2.2 基于均值偏移的目标跟踪算法 | 第43-51页 |
| 2.3 多特征融合目标跟踪的总体框架 | 第51-52页 |
| 2.4 本章小结 | 第52-53页 |
| 第3章 基于多特征自适应融合的粒子滤波目标跟踪 | 第53-74页 |
| 3.1 基于粒子滤波的目标跟踪 | 第53-55页 |
| 3.2 多特征融合目标模型描述 | 第55页 |
| 3.3 似然函数计算 | 第55页 |
| 3.4 自适应多特征融合及权值计算 | 第55-60页 |
| 3.4.1 多特征融合策略分析 | 第55-56页 |
| 3.4.2 多特征融合似然模型 | 第56页 |
| 3.4.3 特征可分性度量 | 第56-59页 |
| 3.4.4 特征稳定性度量 | 第59-60页 |
| 3.5 目标模型更新及遮挡处理 | 第60-62页 |
| 3.5.1 目标模型更新 | 第60-61页 |
| 3.5.2 遮挡处理 | 第61-62页 |
| 3.6 算法流程 | 第62-63页 |
| 3.7 实验结果分析 | 第63-73页 |
| 3.7.1 定性分析 | 第64-70页 |
| 3.7.2 定量分析 | 第70-72页 |
| 3.7.3 计算效率 | 第72-73页 |
| 3.8 本章小结 | 第73-74页 |
| 第4章 基于多特征自适应融合的Mean Shift目标跟踪 | 第74-97页 |
| 4.1 基于Mean Shift的目标跟踪算法 | 第74-75页 |
| 4.2 Mean Shift目标跟踪技术存在的问题分析 | 第75页 |
| 4.3 多特征融合目标模型描述和相似性度量 | 第75-76页 |
| 4.3.1 多特征融合目标模型描述 | 第76页 |
| 4.3.2 目标模型相似性度量 | 第76页 |
| 4.4 尺度方向自适应的多特征融合Mean Shift目标跟踪算法 | 第76-83页 |
| 4.4.1 特征可分性度量及权值计算 | 第76-78页 |
| 4.4.2 多特征融合Mean Shift目标定位 | 第78-79页 |
| 4.4.3 SIFT特征提取 | 第79-82页 |
| 4.4.4 基于SIFT特征的尺度和方向自适应 | 第82-83页 |
| 4.5 目标模型更新及遮挡处理 | 第83-85页 |
| 4.5.1 目标模型更新 | 第83-84页 |
| 4.5.2 遮挡处理 | 第84-85页 |
| 4.6 算法流程 | 第85-86页 |
| 4.7 实验结果分析 | 第86-95页 |
| 4.7.1 定性分析 | 第87-94页 |
| 4.7.2 定量分析 | 第94-95页 |
| 4.8 本章小结 | 第95-97页 |
| 第5章 基于多特征自适应融合的分块目标跟踪 | 第97-116页 |
| 5.1 全局特征模型和局部特征模型存在的问题分析 | 第97-98页 |
| 5.2 局部敏感直方图特征 | 第98-99页 |
| 5.2.1 局部敏感直方图 | 第98页 |
| 5.2.2 光照不变特征 | 第98-99页 |
| 5.3 目标分块方法研究 | 第99-100页 |
| 5.3.1 基于形状的分块 | 第99-100页 |
| 5.3.2 基于特征点的分块 | 第100页 |
| 5.4 基于局部敏感直方图和超像素模型的分块目标跟踪算法 | 第100-109页 |
| 5.4.1 超像素模型分析 | 第100-102页 |
| 5.4.2 基于超像素模型的目标分块 | 第102页 |
| 5.4.3 基于分块的目标跟踪 | 第102-103页 |
| 5.4.4 子块置信度计算 | 第103-105页 |
| 5.4.5 基于局部敏感直方图的相似性度量 | 第105-107页 |
| 5.4.6 遮挡处理和目标模型更新 | 第107-108页 |
| 5.4.7 跟踪算法流程 | 第108-109页 |
| 5.5 实验结果分析 | 第109-115页 |
| 5.5.1 实验设置 | 第109-110页 |
| 5.5.2 定性分析 | 第110-113页 |
| 5.5.3 定量分析 | 第113-114页 |
| 5.5.4 计算效率 | 第114-115页 |
| 5.6 本章小结 | 第115-116页 |
| 结论 | 第116-119页 |
| 参考文献 | 第119-130页 |
| 致谢 | 第130-131页 |
| 攻读学位期间发表的学术论文目录 | 第131-132页 |
