基于外观模型的单目标跟踪
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 目标跟踪的难点分析 | 第10-11页 |
| 1.3 目标跟踪方法框架 | 第11-12页 |
| 1.4 研究现状回顾 | 第12-16页 |
| 1.4.1 视觉表征 | 第12-14页 |
| 1.4.2 统计模型 | 第14-16页 |
| 1.5 论文研究工作及创新 | 第16页 |
| 1.6 论文结构安排 | 第16-17页 |
| 2 基于协同稀疏字典的目标跟踪 | 第17-38页 |
| 2.1 方法回顾 | 第17-20页 |
| 2.1.1 贝叶斯推论框架 | 第17-18页 |
| 2.1.2 稀疏表达 | 第18-20页 |
| 2.2 基于协同稀疏字典的目标跟踪 | 第20-25页 |
| 2.2.1 协同稀疏字典的初始化 | 第20-21页 |
| 2.2.2 字典学习 | 第21-22页 |
| 2.2.3 同其他跟踪方法中字典构建方式的比较 | 第22页 |
| 2.2.4 基于协同稀疏字典的物体外观描述 | 第22-23页 |
| 2.2.5 判别跟踪 | 第23-24页 |
| 2.2.6 更新策略 | 第24-25页 |
| 2.3 实验和讨论 | 第25-37页 |
| 2.3.1 协同稀疏字典和传统字典构建方式比较 | 第25-26页 |
| 2.3.2 协同稀疏字典的有效性 | 第26-28页 |
| 2.3.3 跟踪结果定性分析 | 第28-35页 |
| 2.3.4 跟踪结果定量分析 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 基于局部核函数表征的目标跟踪 | 第38-50页 |
| 3.1 基于局部核函数的目标表征 | 第38-39页 |
| 3.2 基于神经网络的分类器 | 第39页 |
| 3.3 在线更新 | 第39-40页 |
| 3.4 实验 | 第40-49页 |
| 3.4.1 实现细节 | 第40-41页 |
| 3.4.2 跟踪结果定性分析 | 第41-42页 |
| 3.4.3 跟踪结果定量分析 | 第42-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于深层流型学习的跟踪方法 | 第50-61页 |
| 4.1 方法回顾 | 第50-52页 |
| 4.1.1 深层编码/解码器 | 第50-51页 |
| 4.1.2 流型学习 | 第51-52页 |
| 4.2 基于深层流型学习的跟踪方法 | 第52-54页 |
| 4.2.1 深层流型学习 | 第52-54页 |
| 4.2.2 在线优化 | 第54页 |
| 4.3 实验 | 第54-60页 |
| 4.3.1 算法细节 | 第54-55页 |
| 4.3.2 跟踪结果定性分析 | 第55-59页 |
| 4.3.3 跟踪结果定量分析 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |
