| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 注释表 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 目前存在问题 | 第16-17页 |
| 1.4 主要研究内容和工作 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第2章 基于TLD框架的跟踪算法介绍 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 TLD算法简介 | 第20-24页 |
| 2.2.1 TLD算法框架 | 第20-23页 |
| 2.2.2 TLD框架的目标模型 | 第23-24页 |
| 2.3 跟踪器介绍 | 第24-27页 |
| 2.3.1 前后向误差估计 | 第24-26页 |
| 2.3.2 中值流(Median flow)跟踪算法 | 第26-27页 |
| 2.3.3 跟踪器的失败自检测 | 第27页 |
| 2.4 检测器 | 第27-32页 |
| 2.4.1 方差滤波器 | 第29页 |
| 2.4.2 集成分类器 | 第29-32页 |
| 2.4.3 最近邻分类器 | 第32页 |
| 2.5 P-N学习 | 第32-34页 |
| 2.5.1 初始化 | 第32-33页 |
| 2.5.2 P-N学习 | 第33-34页 |
| 2.6 TLD算法框架整理 | 第34-35页 |
| 2.7 TLD跟踪算法的优缺点 | 第35页 |
| 2.8 本章小结 | 第35-36页 |
| 第3章 基于辅助人脸信息的运动人体跟踪方法 | 第36-53页 |
| 3.1 基于优化局部混合纹理与级联可变性模型的人脸定位 | 第37-41页 |
| 3.1.1 基于混合优化的初始化 | 第37-39页 |
| 3.1.2 两步级联变形模型 | 第39-41页 |
| 3.2 基于人脸辅助信息的目标跟踪 | 第41-46页 |
| 3.2.1 人脸位置初始化定位 | 第43页 |
| 3.2.2 跟踪模型建立 | 第43-45页 |
| 3.2.3 更新模型 | 第45-46页 |
| 3.3 实验结果与分析 | 第46-52页 |
| 3.3.1 定量分析 | 第47-50页 |
| 3.3.2 定性评价 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于改进树状模型的视频跟踪方法 | 第53-62页 |
| 4.1 改进的树状模型人脸检测方法 | 第53-57页 |
| 4.1.1 稀疏编码直方图特征 | 第53-54页 |
| 4.1.2 人脸模型构建 | 第54-56页 |
| 4.1.3 改进的树状模型人脸模型训练流程 | 第56-57页 |
| 4.2 基于改进树状模型的视频跟踪 | 第57-58页 |
| 4.3 实验结果与分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-65页 |
| 5.1 全文工作总结 | 第62-63页 |
| 5.2 下一步工作 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第71页 |