| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 主要研究内容及章节安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 相关滤波目标跟踪算法基础 | 第14-26页 |
| 2.1 相关滤波器 | 第14-17页 |
| 2.1.1 相关的基本概念 | 第14-16页 |
| 2.1.2 经典的相关滤波器 | 第16-17页 |
| 2.2 核函数的基本介绍 | 第17-18页 |
| 2.3 训练样本特征 | 第18-21页 |
| 2.3.1 采集训练样本 | 第18-20页 |
| 2.3.2 提取样本特征 | 第20-21页 |
| 2.4 核化的正则化最小二乘法分类器(KRLS) | 第21-25页 |
| 2.4.1 训练分类器 | 第22-23页 |
| 2.4.2 目标位置检测 | 第23页 |
| 2.4.3 更新分类器 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于多特征融合的目标跟踪算法 | 第26-41页 |
| 3.1 自适应颜色特征 | 第26-28页 |
| 3.1.1 颜色特征基本概念 | 第26-27页 |
| 3.1.2 低维自适应颜色属性 | 第27-28页 |
| 3.2 方向梯度直方图(HOG) | 第28-31页 |
| 3.3 自适应颜色特征和方向梯度直方图(HOG)特征的融合 | 第31-33页 |
| 3.3.1 传统的特征融合方法 | 第32页 |
| 3.3.2 决策层特征融合 | 第32-33页 |
| 3.4 学习速率对跟踪的影响 | 第33-35页 |
| 3.5 实验结果与分析 | 第35-40页 |
| 3.5.1 性能评估 | 第35-36页 |
| 3.5.2 实验结果 | 第36页 |
| 3.5.3 对比分析 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于尺度预测的目标跟踪算法 | 第41-51页 |
| 4.1 尺度预测过程 | 第41-42页 |
| 4.2 多尺度跟踪算法流程 | 第42-44页 |
| 4.3 实验结果分析 | 第44-50页 |
| 4.3.1 实验结果 | 第44-45页 |
| 4.3.2 对比分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结及展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 申请学位期间的研究成果及发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |