基于跟踪—学习—检测的稳健目标跟踪算法设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究及背景意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状及发展趋势 | 第10-13页 |
| 1.2.1 目标跟踪算法 | 第10-11页 |
| 1.2.2 基于机器学习的目标检测算法 | 第11-13页 |
| 1.3 主要研究内容及路线 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 第二章 目标检测与跟踪基本理论 | 第16-26页 |
| 2.1 特征点介绍 | 第16-20页 |
| 2.1.1 Haar特征 | 第16-18页 |
| 2.1.2 LBP特征 | 第18-19页 |
| 2.1.3 2 bitBP特征 | 第19-20页 |
| 2.2 随机森林算法 | 第20-23页 |
| 2.2.1 决策树原理 | 第20-21页 |
| 2.2.2 随机森林算法 | 第21-23页 |
| 2.3 目标跟踪算法描述 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 TLD算法原理 | 第26-43页 |
| 3.1 TLD算法主要模块 | 第27-35页 |
| 3.1.1 跟踪模块 | 第27-28页 |
| 3.1.2 检测模块 | 第28-30页 |
| 3.1.3 综合器 | 第30-31页 |
| 3.1.4 学习模块 | 第31-33页 |
| 3.1.5 目标模型 | 第33-35页 |
| 3.2 TLD算法流程 | 第35-36页 |
| 3.3 算法仿真与分析 | 第36-42页 |
| 3.3.1 算法仿真 | 第36-40页 |
| 3.3.2 算法定量分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 TLD算法的并行设计 | 第43-58页 |
| 4.1 MPI+OMP混合编程模型 | 第43-49页 |
| 4.1.1 MPI编程模型 | 第44-47页 |
| 4.1.2 OpenMP编程模型 | 第47-48页 |
| 4.1.3 MPI+OpenMP编程模型 | 第48-49页 |
| 4.2 TLD算法的多核并行设计 | 第49-54页 |
| 4.2.1 MPI框架设计 | 第49-54页 |
| 4.2.2 OpenMP框架设计 | 第54页 |
| 4.3 并行计算性能分析 | 第54-57页 |
| 4.3.1 性能测试 | 第54-55页 |
| 4.3.2 跟踪效果测试 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于ARM的TLD目标跟踪系统实现 | 第58-70页 |
| 5.1 硬件平台 | 第58-60页 |
| 5.2 软件环境 | 第60-63页 |
| 5.2.1 Ubuntu的介绍 | 第60页 |
| 5.2.2 编译器G++的介绍 | 第60-61页 |
| 5.2.3 CMake介绍 | 第61-62页 |
| 5.2.4 OpenCV介绍 | 第62-63页 |
| 5.3 代码移植 | 第63-68页 |
| 5.3.1 系统移植 | 第63-65页 |
| 5.3.2 安装CMake | 第65-66页 |
| 5.3.3 安装OpenCV | 第66-67页 |
| 5.3.4 编译TLD源码 | 第67-68页 |
| 5.4 实验结果与分析 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.1.1 主要工作 | 第70页 |
| 6.1.2 研究创新点 | 第70-71页 |
| 6.2 研究方向展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士期间取得的研究成果 | 第78-79页 |
