| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 引言 | 第10-15页 |
| ·研究背景及意义 | 第10页 |
| ·应用前景 | 第10-11页 |
| ·技术难点 | 第11-12页 |
| ·主要研究内容及论文结构 | 第12-15页 |
| 第二章 对象跟踪概述 | 第15-24页 |
| ·对象跟踪分类 | 第15-16页 |
| ·对象跟踪框架 | 第16-22页 |
| ·目标对象特征提取 | 第17-18页 |
| ·跟踪环境信息集成 | 第18-19页 |
| ·目标对象定位 | 第19-21页 |
| ·目标对象模型更新 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 局部纹理特征提取 | 第24-37页 |
| ·局部二值模式 | 第24-27页 |
| ·局部二值模式变种算法 | 第27-28页 |
| ·完全局部三值模式 | 第28-33页 |
| ·算法定义 | 第28-31页 |
| ·旋转不变的 CLTP | 第31-33页 |
| ·实验验证 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 改进的MEAN SHIFT跟踪算法 | 第37-54页 |
| ·传统 Mean Shift 跟踪算法简介 | 第37-40页 |
| ·目标对象模型 | 第37-39页 |
| ·目标对象定位 | 第39-40页 |
| ·修正的背景赋权直方图 | 第40-43页 |
| ·背景赋权直方图及失效性证明 | 第40-42页 |
| ·修正的背景赋权直方图 | 第42-43页 |
| ·基于颜色与CLTP融合直方图的MEAN SHIFT跟踪算法 | 第43-47页 |
| ·改进的目标对象模型 | 第43-44页 |
| ·修正的背景赋权目标对象模型更新 | 第44-45页 |
| ·背景模型更新 | 第45-46页 |
| ·改进的Mean Shift目标对象定位 | 第46-47页 |
| ·实验验证 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于CLTP纹理特征的压缩跟踪算法 | 第54-66页 |
| ·压缩跟踪算法 | 第54-57页 |
| ·随机投影 | 第54-55页 |
| ·随机度量矩阵 | 第55-56页 |
| ·降维方法与低维特征压缩 | 第56-57页 |
| ·分类器构造与更新 | 第57页 |
| ·基于CLTP纹理特征的压缩跟踪算法 | 第57-59页 |
| ·实验验证 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 攻读硕士研究生期间的研究成果 | 第78-79页 |