基于中层视觉特征和高层结构信息的互补目标跟踪模型
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-24页 |
| ·论文研究背景及研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·目标跟踪技术简介 | 第14-19页 |
| ·目标跟踪的技术难点 | 第19-21页 |
| ·本文主要工作与结构 | 第21-24页 |
| ·本文主要工作、创新点和贡献 | 第21-22页 |
| ·论文结构 | 第22-24页 |
| 2 多状态粒子滤波的理论框架与视觉跟踪 | 第24-40页 |
| ·贝叶斯滤波原理与目标跟踪 | 第24-26页 |
| ·经典粒子滤波算法 | 第26-30页 |
| ·贝叶斯重要性采样(BIS) | 第27-28页 |
| ·序列重要性采样(SIS) | 第28-29页 |
| ·退化现象和重采样原理 | 第29-30页 |
| ·多尺度粒子滤波与多状态粒子滤波 | 第30-35页 |
| ·多尺度粒子滤波与序列置信传播 | 第30-33页 |
| ·多状态粒子滤波与序列置信传播 | 第33-35页 |
| ·多状态粒子滤波与互补视觉跟踪 | 第35-39页 |
| ·互补视觉跟踪的多状态粒子滤波框架 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 3 基于中层视觉特征的对象跟踪器 | 第40-47页 |
| ·基于超像素的判决性外貌模型 | 第41-44页 |
| ·判决性外貌模型的先验知识 | 第41-42页 |
| ·建立基于超像素的判决性外貌模型 | 第42-44页 |
| ·置信图和观测模型 | 第44-47页 |
| ·获得置信图(Confidence Map) | 第44-45页 |
| ·对象跟踪器观测模型 | 第45-47页 |
| 4 基于高层结构信息的对象跟踪器、潜函数和更新 | 第47-53页 |
| ·标准增量子空间学习跟踪方法 | 第47-48页 |
| ·基于多通道的区域跟踪器 | 第48-50页 |
| ·潜函数 | 第50-51页 |
| ·更新过程 | 第51-53页 |
| 5 实验结果 | 第53-63页 |
| ·参数设置与实施细节 | 第53-54页 |
| ·对象跟踪器的性能评估 | 第54-57页 |
| ·性质评估 | 第54-56页 |
| ·对象跟踪器的量化评估 | 第56-57页 |
| ·补视觉跟踪实验结果 | 第57-63页 |
| ·区域跟踪器、对象跟踪器和互补视觉跟踪 | 第58-60页 |
| ·互补视觉跟踪与其他方法的实验对比 | 第60-63页 |
| 6 总结与展望 | 第63-65页 |
| ·本文工作总结 | 第63-64页 |
| ·工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
