基于检测的物体跟踪方法研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第14-23页 |
| 1.1 引言 | 第14-15页 |
| 1.2 物体跟踪中的困难 | 第15-16页 |
| 1.3 基于检测的跟踪 | 第16-17页 |
| 1.4 基于检测的跟踪技术中的问题 | 第17-19页 |
| 1.4.1 目标物体的有效表征问题 | 第17-18页 |
| 1.4.2 目标物体外观变化的有效捕捉问题 | 第18页 |
| 1.4.3 模型的错误更新问题 | 第18-19页 |
| 1.5 研究目标及研究内容 | 第19-20页 |
| 1.6 创新之处 | 第20-21页 |
| 1.7 本文的组织结构 | 第21-23页 |
| 2. 基于检测的物体跟踪研究现状 | 第23-40页 |
| 2.1 物体特征 | 第23-28页 |
| 2.1.0 局部区域特征 | 第24-25页 |
| 2.1.1 局部关键点特征 | 第25-27页 |
| 2.1.2 全局整体特征 | 第27-28页 |
| 2.2 外观模型 | 第28-38页 |
| 2.2.1 静态或动态 | 第28-29页 |
| 2.2.2 生成式或区分式 | 第29-31页 |
| 2.2.3 模型分类 | 第31-38页 |
| 2.3 全局优化 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 3 基于区域特征的物体检测跟踪 | 第40-73页 |
| 3.1 引言 | 第40-42页 |
| 3.2 区域特征 | 第42-48页 |
| 3.2.1 基于梯度信息的区域特征 | 第42-43页 |
| 3.2.2 基于颜色信息的区域特征 | 第43-44页 |
| 3.2.3 基于灰度像素的区域特征 | 第44-48页 |
| 3.3 基于区域特征的特征提取与降维 | 第48-55页 |
| 3.3.1 稀疏随机矩阵 | 第48-49页 |
| 3.3.2 特征维度提取和降维 | 第49-52页 |
| 3.3.3 压缩特征构建 | 第52-53页 |
| 3.3.4 特征降维与特征选择 | 第53-54页 |
| 3.3.5 对于压缩特征的维度的讨论 | 第54-55页 |
| 3.4 基于压缩特征的外观模型 | 第55-59页 |
| 3.5 跟踪过程 | 第59-65页 |
| 3.5.1 跟踪器 | 第59-60页 |
| 3.5.2 物体模型 | 第60-65页 |
| 3.6 实验与分析 | 第65-72页 |
| 3.6.1 实验环境配置 | 第65-66页 |
| 3.6.2 压缩特征的维度 | 第66-67页 |
| 3.6.3 直方图的柱数 | 第67-68页 |
| 3.6.4 与其他方法比较 | 第68-72页 |
| 3.7 本章小结 | 第72-73页 |
| 4 基于关键点的物体检测跟踪 | 第73-115页 |
| 4.1 引言 | 第73-75页 |
| 4.2 关键点 | 第75-90页 |
| 4.2.1 关键点提取 | 第75-84页 |
| 4.2.2 关键点描述 | 第84-90页 |
| 4.3 物体表示 | 第90-91页 |
| 4.4 基于关键点特征的外观学习 | 第91-103页 |
| 4.4.1 Boosting | 第91-92页 |
| 4.4.2 关键点簇 | 第92-93页 |
| 4.4.3 基于关键点簇的弱分类器 | 第93-96页 |
| 4.4.4 外观模型的在线更新 | 第96-103页 |
| 4.5 物体跟踪 | 第103-106页 |
| 4.5.1 初始化 | 第103-104页 |
| 4.5.2 检测跟踪过程 | 第104-106页 |
| 4.6 实验与分析 | 第106-113页 |
| 4.6.1 实验环境配置 | 第106-107页 |
| 4.6.2 效率分析 | 第107-108页 |
| 4.6.3 性能分析 | 第108-110页 |
| 4.6.4 对比分析 | 第110-113页 |
| 4.7 本章小结 | 第113-115页 |
| 5 在线物体检测跟踪结果优化 | 第115-137页 |
| 5.1 引言 | 第115-117页 |
| 5.2 在线检测跟踪 | 第117-120页 |
| 5.3 迭代外观学习 | 第120-129页 |
| 5.3.1 Adaboost | 第121-122页 |
| 5.3.2 样本权重下降 | 第122-124页 |
| 5.3.3 迭代学习 | 第124-129页 |
| 5.4 实验与分析 | 第129-135页 |
| 5.4.1 实验环境配置 | 第129页 |
| 5.4.2 迭代次数 | 第129-130页 |
| 5.4.3 与Online MIL比较 | 第130-132页 |
| 5.4.4 与其他方法比较 | 第132-135页 |
| 5.5 本章小结 | 第135-137页 |
| 6 结论和展望 | 第137-140页 |
| 6.1 方法总结 | 第137-138页 |
| 6.2 未来工作展望 | 第138-140页 |
| 参考文献 | 第140-158页 |
| 攻读博士期间发表的学术论文 | 第158-159页 |
| 致谢 | 第159页 |
