目标跟踪算法的相关技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外目标跟踪发展现状 | 第11-12页 |
| 1.2.2 国内目标跟踪发展现状 | 第12-13页 |
| 1.3 本文的主要研究内容和论文组织结构 | 第13-14页 |
| 1.3.1 本文主要研究内容 | 第13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 第2章 跟踪-学习-检测算法的基本理论 | 第14-27页 |
| 2.1 跟踪-学习-检测算法相关基础知识介绍 | 第14-21页 |
| 2.1.1 基于检测的跟踪方法 | 第14页 |
| 2.1.2 P-N学习理论 | 第14-18页 |
| 2.1.3 2bitBP特征 | 第18-19页 |
| 2.1.4 LK跟踪算法 | 第19页 |
| 2.1.5 随机森林 | 第19-21页 |
| 2.2 跟踪-学习-检测算法的主要模块 | 第21-26页 |
| 2.2.1 检测器 | 第22-24页 |
| 2.2.2 跟踪器 | 第24-25页 |
| 2.2.3 综合模块 | 第25页 |
| 2.2.4 目标模型 | 第25-26页 |
| 2.2.5 学习组件 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于图像感知哈希的改进目标跟踪算法 | 第27-37页 |
| 3.1 感知哈希 | 第27-29页 |
| 3.1.1 感知哈希的相关概念 | 第27页 |
| 3.1.2 感知哈希的性质 | 第27页 |
| 3.1.3 汉明距离 | 第27-28页 |
| 3.1.4 DCT变换 | 第28-29页 |
| 3.2 基于图像感知哈希的检测器 | 第29-36页 |
| 3.2.1 改进算法的实现 | 第29-30页 |
| 3.2.2 仿真结果及分析 | 第30-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于压缩感知的改进目标跟踪算法 | 第37-46页 |
| 4.1 压缩感知的基本理论 | 第37-38页 |
| 4.1.1 随机投影 | 第37-38页 |
| 4.1.2 随机测量矩阵 | 第38页 |
| 4.2 基于压缩感知的改进目标跟踪算法 | 第38-41页 |
| 4.2.1 压缩特征提取 | 第38-39页 |
| 4.2.2 分类器的构建和更新 | 第39-40页 |
| 4.2.3 改进算法的实现 | 第40-41页 |
| 4.3 实验结果与性能分析 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于核相关滤波器的改进目标跟踪算法 | 第46-60页 |
| 5.1 核相关滤波器的基础知识介绍 | 第46-49页 |
| 5.1.1 核函数 | 第46-47页 |
| 5.1.2 离散傅里叶变换和卷积定理 | 第47页 |
| 5.1.3 循环矩阵对角化 | 第47-48页 |
| 5.1.4 利用循环矩阵对图像采样 | 第48-49页 |
| 5.2 基于核相关滤波器的改进目标跟踪算法 | 第49-53页 |
| 5.2.1 训练分类器 | 第49-50页 |
| 5.2.2 改进算法的实现 | 第50-53页 |
| 5.3 实验结果与性能分析 | 第53-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
