| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 视频跟踪技术研究现状 | 第12-15页 |
| 1.3 论文的主要工作及内容安排 | 第15-17页 |
| 第2章 光流法基本原理及相关研究 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 光流的基本概念 | 第17-18页 |
| 2.3 基本光流约束方程 | 第18-20页 |
| 2.4 光流计算的研究现状 | 第20-21页 |
| 2.5 光流算法的实现及实验对比 | 第21-26页 |
| 2.5.1 Horn-Schunk算法 | 第21-23页 |
| 2.5.2 Lucas-Kanade算法 | 第23-24页 |
| 2.5.3 金字塔LK光流法 | 第24-25页 |
| 2.5.4 光流算法实验对比分析 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 TLD跟踪模型基本原理 | 第27-46页 |
| 3.1 引言 | 第27-28页 |
| 3.2 TLD算法中的相似度测量 | 第28-29页 |
| 3.2.1 TLD的在线模型 | 第28-29页 |
| 3.3 TLD目标跟踪算法的跟踪模块 | 第29-33页 |
| 3.3.1 跟踪模块算法分析 | 第30-32页 |
| 3.3.2 中值流跟踪算法的实现 | 第32-33页 |
| 3.4 TLD目标跟踪算法的检测模块 | 第33-38页 |
| 3.4.1 基于像素值的方差分类器 | 第34页 |
| 3.4.2 基于随机森林的集合分类器 | 第34-37页 |
| 3.4.3 最近邻分类器 | 第37-38页 |
| 3.5 TLD目标跟踪算法的学习模块 | 第38-43页 |
| 3.5.1 P-N学习算法 | 第38-40页 |
| 3.5.2 P-N学习的性能分析 | 第40-42页 |
| 3.5.3 P-N学习在TLD中的应用 | 第42-43页 |
| 3.6 TLD工作流程 | 第43-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 基于TLD与Kalman滤波的跟踪方法研究 | 第46-54页 |
| 4.1 遮挡问题分析及解决方法 | 第46页 |
| 4.2 遮挡判断及模块更新策略 | 第46-48页 |
| 4.3 Kalman预测轨迹 | 第48-51页 |
| 4.3.1 Kalman滤波器 | 第48-49页 |
| 4.3.2 Kalman滤波在轨迹预测方面的应用 | 第49-51页 |
| 4.4 算法步骤和流程图 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 算法性能分析 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 Linux简介 | 第54页 |
| 5.3 评价指标 | 第54-55页 |
| 5.4 原始TLD算法性能分析 | 第55-59页 |
| 5.4.1 测试场景说明 | 第55-56页 |
| 5.4.2 算法实验结果 | 第56-57页 |
| 5.4.3 TLD跟踪结果分析 | 第57-59页 |
| 5.5 基于TLD模型与Kalman滤波的改进算法性能分析 | 第59-62页 |
| 5.5.1 算法实验结果 | 第59-61页 |
| 5.5.2 改进TLD算法跟踪结果分析 | 第61-62页 |
| 5.6 实验结果对比 | 第62-65页 |
| 5.7 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间发表论文与研究成果清单 | 第73-74页 |
| 致谢 | 第74页 |