基于相关滤波器的运动目标跟踪方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 本文的研究背景 | 第10-11页 |
| 1.2 本文的研究意义 | 第11-12页 |
| 1.3 本文的现状分析 | 第12-17页 |
| 1.3.1 基于产生式模型的运动目标跟踪 | 第13-14页 |
| 1.3.2 基于判别式模型的运动目标跟踪 | 第14-16页 |
| 1.3.3 技术上的挑战 | 第16-17页 |
| 1.4 论文主要工作及结构安排 | 第17-20页 |
| 1.4.1 论文的主要工作 | 第17页 |
| 1.4.2 论文的结构安排 | 第17-20页 |
| 第二章 经典运动目标跟踪算法 | 第20-28页 |
| 2.1 卡尔曼滤波算法 | 第20-22页 |
| 2.2 粒子滤波算法 | 第22-24页 |
| 2.3 相关滤波算法 | 第24-25页 |
| 2.4 本章小结 | 第25-28页 |
| 第三章 相关滤波器的跟踪过程 | 第28-42页 |
| 3.1 相关滤波器概述 | 第28-30页 |
| 3.2 提取目标的特征 | 第30-37页 |
| 3.2.1 纹理特征提取的方法 | 第31-32页 |
| 3.2.2 颜色特征提取的方法 | 第32-34页 |
| 3.2.3 边缘特征提取的方法 | 第34-35页 |
| 3.2.4 梯度特征提取的方法 | 第35-37页 |
| 3.3 训练滤波器 | 第37-40页 |
| 3.3.1 ASEF的训练方法 | 第37-38页 |
| 3.3.2 MOSSE的训练方法 | 第38-39页 |
| 3.3.3 KCF的训练方法 | 第39-40页 |
| 3.4 更新滤波器 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 自适应颜色特征运动目标跟踪算法 | 第42-58页 |
| 4.1 基于CN特征的运动目标跟踪算法 | 第43-49页 |
| 4.1.1 特征选取 | 第43-45页 |
| 4.1.2 训练分类器 | 第45-48页 |
| 4.1.3 目标定位 | 第48-49页 |
| 4.2 基于CN特征的自适应运动目标跟踪算法 | 第49-52页 |
| 4.2.1 尺度估计 | 第49-50页 |
| 4.2.2 分类器与滤波器的更新 | 第50-52页 |
| 4.3 实验结果分析 | 第52-56页 |
| 4.3.1 定性分析 | 第52-54页 |
| 4.3.2 定量分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 基于HOG特征的自适应颜色特征的跟踪算法 | 第58-66页 |
| 5.1 选择特征选取 | 第58-61页 |
| 5.2 实验结果分析 | 第61-64页 |
| 5.3 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录(攻读学位期间发表著作和科研情况) | 第74页 |
