基于度量学习的人体检测与跟踪方法研究及系统实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-26页 |
| 1.2.1 目标检测 | 第17-19页 |
| 1.2.2 目标跟踪 | 第19-20页 |
| 1.2.3 目标跟踪评价指标 | 第20-24页 |
| 1.2.4 目标检测与跟踪任务存在的难点 | 第24页 |
| 1.2.5 模型加速和小型化 | 第24-26页 |
| 1.3 论文的主要工作以及结构安排 | 第26-29页 |
| 1.3.1 论文的主要工作 | 第26页 |
| 1.3.2 论文的结构安排 | 第26-29页 |
| 第2章 基于卷积回归网络的目标跟踪算法 | 第29-55页 |
| 2.1 算法描述 | 第29-30页 |
| 2.2 实现细节 | 第30-34页 |
| 2.2.1 运动模型研究与数据增广 | 第30-32页 |
| 2.2.2 网络结构与训练过程 | 第32-34页 |
| 2.3 跟踪领域难点 | 第34-36页 |
| 2.4 实验与分析 | 第36-53页 |
| 2.4.1 与其他算法的对比 | 第36-46页 |
| 2.4.2 跟踪算法在各难点上的表现 | 第46-53页 |
| 2.5 本章小结 | 第53-55页 |
| 第3章 基于度量学习的目标跟踪算法 | 第55-75页 |
| 3.1 度量学习 | 第55-57页 |
| 3.2 背景杂乱和相似干扰 | 第57-67页 |
| 3.2.1 多尺度特征通道重组 | 第59-62页 |
| 3.2.2 基于网格的回归 | 第62-63页 |
| 3.2.3 三元组损失函数 | 第63-66页 |
| 3.2.4 实验结果 | 第66-67页 |
| 3.3 其他研究实验 | 第67-73页 |
| 3.3.1 数据增广实验 | 第67-68页 |
| 3.3.2 分辨率实验 | 第68-69页 |
| 3.3.3 基础网络结构设计实验 | 第69-73页 |
| 3.4 实验结果与分析 | 第73-74页 |
| 3.5 本章小结 | 第74-75页 |
| 第4章 实时人体检测跟踪视觉感知系统 | 第75-91页 |
| 4.1 基于卷积神经网络的人体检测 | 第75-80页 |
| 4.1.1 One-Stage目标检测 | 第75-77页 |
| 4.1.2 基于SSD的人体检测 | 第77-80页 |
| 4.2 检测跟踪任务融合 | 第80-86页 |
| 4.2.1 特征共用 | 第80-83页 |
| 4.2.2 序列化训练 | 第83-84页 |
| 4.2.3 多任务融合 | 第84-86页 |
| 4.3 模型压缩与加速 | 第86-88页 |
| 4.4 结果展示 | 第88-89页 |
| 4.5 本章小结 | 第89-91页 |
| 第5章 总结与展望 | 第91-95页 |
| 5.1 总结 | 第91-92页 |
| 5.2 展望 | 第92-95页 |
| 参考文献 | 第95-99页 |
