基于TLD框架的目标跟踪算法
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 目标跟踪研究现状 | 第13-19页 |
| 1.2.1 基于生成模型的方法 | 第13-15页 |
| 1.2.2 基于区分模型的方法 | 第15-16页 |
| 1.2.3 模型更新 | 第16页 |
| 1.2.4 目标跟踪算法技术难点 | 第16-17页 |
| 1.2.5 目标跟踪算法评价准则 | 第17-19页 |
| 1.3 本文研究内容与组织结构 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 TLD跟踪算法 | 第21-28页 |
| 2.1 引言 | 第21-22页 |
| 2.2 TLD跟踪算法介绍 | 第22-26页 |
| 2.2.1 中值光流跟踪器 | 第22页 |
| 2.2.2 级联检测器 | 第22-25页 |
| 2.2.3 P-N学习器 | 第25-26页 |
| 2.3 TLD算法特点 | 第26页 |
| 2.3.1 TLD算法优点 | 第26页 |
| 2.3.2 TLD算法缺点 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于分层与分块权值理论的压缩感知跟踪器 | 第28-46页 |
| 3.1 引言 | 第28-29页 |
| 3.2 压缩感知理论 | 第29-32页 |
| 3.2.1 信号的稀疏表示 | 第29-30页 |
| 3.2.2 观测矩阵的设计 | 第30-31页 |
| 3.2.3 信号重建 | 第31-32页 |
| 3.3 图像分层与分块权值理论 | 第32-35页 |
| 3.3.1 图像分层理论 | 第32-33页 |
| 3.3.2 基于图像分块的自适应权值理论 | 第33-35页 |
| 3.4 基于分层与分块权值理论的压缩感知跟踪算法 | 第35-38页 |
| 3.4.1 基于压缩感知的特征提取 | 第35-36页 |
| 3.4.2 基于贝叶斯分类器的目标检测 | 第36-38页 |
| 3.5 实验结果及分析 | 第38-45页 |
| 3.5.1 算法有效性验证 | 第38-41页 |
| 3.5.2 与其他跟踪算法对比实验 | 第41-45页 |
| 3.5.3 算法实时性分析 | 第45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于TLD框架的目标跟踪算法 | 第46-62页 |
| 4.1 引言 | 第46-47页 |
| 4.2 模糊集理论 | 第47-48页 |
| 4.2.1 数据模糊化 | 第47页 |
| 4.2.2 知识库 | 第47-48页 |
| 4.2.3 模糊推理 | 第48页 |
| 4.2.4 去模糊化 | 第48页 |
| 4.3 多规则约束的模糊半监督学习器 | 第48-50页 |
| 4.3.1 多规则约束 | 第48-49页 |
| 4.3.2 模糊P-N学习器 | 第49-50页 |
| 4.4 基于TLD框架的目标跟踪算法 | 第50-52页 |
| 4.5 实验与分析 | 第52-61页 |
| 4.5.1 算法有效性验证 | 第52-56页 |
| 4.5.2 与其他跟踪算法对比实验 | 第56-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 存在的问题与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
| 攻读硕士学位期间发表（录用）论文情况 | 第68页 |
| 攻读硕士学位期间参加科研项目情况 | 第68页 |
