基于多示例学习的运动目标跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·应用价值 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·按不同分类方式分类总结 | 第9-10页 |
| ·面临困难和挑战 | 第10-12页 |
| ·论文的主要工作和结构 | 第12-14页 |
| ·论文的主要工作 | 第12页 |
| ·本文研究内容 | 第12-14页 |
| 2 跟踪算法综述 | 第14-26页 |
| ·Adaboost算法 | 第14-17页 |
| ·Ensemble Tracking算法 | 第15-16页 |
| ·Online Adaboost算法 | 第16-17页 |
| ·本文方法的理论基础 | 第17-26页 |
| ·协同训练方法(Co-training) | 第18-19页 |
| ·多示例学习 | 第19-25页 |
| ·增量学习跟踪方法 | 第25-26页 |
| 3 协同训练多示例跟踪算法 | 第26-47页 |
| ·协同训练多示例方法提出动机 | 第26-28页 |
| ·传统方法的缺点 | 第26-27页 |
| ·协同训练在CoMIL中体现的优势 | 第27页 |
| ·多示例学习在CoMIL中的优势 | 第27-28页 |
| ·协同训练多示例框架 | 第28-33页 |
| ·本文的运动模型 | 第30-31页 |
| ·初始化过程 | 第31-32页 |
| ·特征提取 | 第32-33页 |
| ·协同训练多示例外观模型 | 第33-37页 |
| ·多示例学习(MIL) | 第33-35页 |
| ·协同训练多示例算法 | 第35-36页 |
| ·弱分类器 | 第36-37页 |
| ·目标定位和分类器更新 | 第37-38页 |
| ·目标定位 | 第37页 |
| ·分类器更新 | 第37-38页 |
| ·IVT阻止分类器进行错误更新 | 第38页 |
| ·实验结果与分析 | 第38-47页 |
| ·实验结果 | 第39-46页 |
| ·分析与结论 | 第46-47页 |
| 4 支持示例跟踪 | 第47-60页 |
| ·支持示例方法提出动机 | 第47页 |
| ·支持示例跟踪框架 | 第47-49页 |
| ·初始化过程和特征提取 | 第49页 |
| ·特征映射和支持示例选择 | 第49-52页 |
| ·基于示例的特征映射 | 第49-50页 |
| ·联合特征选择和分类 | 第50-51页 |
| ·示例分类 | 第51-52页 |
| ·更新机制和目标定位机制 | 第52-53页 |
| ·支持示例更新 | 第52-53页 |
| ·目标定位 | 第53页 |
| ·实验和结论 | 第53-60页 |
| ·实验执行细节 | 第53-54页 |
| ·试验结果分析 | 第54-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-70页 |
