| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-22页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 目标跟踪研究中面临的主要问题 | 第11-13页 |
| 1.3 目标跟踪算法国内外研究现状 | 第13-18页 |
| 1.3.1 目标表观的建模和提取 | 第13-15页 |
| 1.3.2 目标运动的建模和搜索 | 第15-16页 |
| 1.3.3 模型的更新 | 第16-17页 |
| 1.3.4 发展动态分析及小结 | 第17-18页 |
| 1.4 论文的主要工作 | 第18-19页 |
| 1.5 论文结构安排 | 第19-22页 |
| 第2章 基于卷积深度置信网络和迁移学习的目标跟踪算法 | 第22-40页 |
| 2.1 引言 | 第22-24页 |
| 2.2 基于卷积深度置信网络的目标表观建模 | 第24-27页 |
| 2.2.1 卷积深度置信网络简介 | 第24-26页 |
| 2.2.2 模型的离线训练和迁移学习 | 第26-27页 |
| 2.3 模型的更新 | 第27-29页 |
| 2.3.1 离线训练样本和在线训练样本 | 第27-29页 |
| 2.3.2 在线测试样本和模型的更新 | 第29页 |
| 2.4 基于卷积深度置信网络的目标跟踪算法 | 第29-32页 |
| 2.5 实验 | 第32-39页 |
| 2.5.1 实验设置 | 第32-33页 |
| 2.5.2 不同跟踪环境和目标状态变化下跟踪结果的对比 | 第33-34页 |
| 2.5.3 典型视频序列下的定性比较 | 第34-36页 |
| 2.5.4 典型视频序列下的定量比较 | 第36页 |
| 2.5.5 正样本更新的有效性分析 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于在线PCA网络的目标跟踪算法 | 第40-54页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于在线PCA网络的目标表观建模 | 第41-43页 |
| 3.3 模型的更新 | 第43-45页 |
| 3.4 基于PCA网络的目标跟踪算法 | 第45页 |
| 3.5 实验 | 第45-53页 |
| 3.5.1 实验设置 | 第45-46页 |
| 3.5.2 不同跟踪环境和目标状态变化下跟踪结果的对比 | 第46-47页 |
| 3.5.3 典型视频序列下的定性比较 | 第47-49页 |
| 3.5.4 典型视频序列下的定量比较 | 第49-50页 |
| 3.5.5 正样本更新的有效性分析 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 选择性搜索和多深度模型融合的多线索目标跟踪算法 | 第54-70页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于多线索的目标表观建模 | 第55-59页 |
| 4.2.1 反向传播算法简介 | 第55-56页 |
| 4.2.2 卷积神经网络建模方法 | 第56-59页 |
| 4.2.3 卷积深度置信网络建模方法 | 第59页 |
| 4.3 运动目标的建模和搜索 | 第59-60页 |
| 4.3.1 选择性搜索理论 | 第60页 |
| 4.4 模型的更新和离线训练样本 | 第60-62页 |
| 4.4.1 目标模型的更新 | 第60-61页 |
| 4.4.2 多模型离线训练样本 | 第61-62页 |
| 4.5 基于多线索的目标跟踪算法 | 第62-63页 |
| 4.6 实验 | 第63-69页 |
| 4.6.1 实验设置 | 第63-64页 |
| 4.6.2 不同跟踪环境和目标状态变化下跟踪结果的对比 | 第64-66页 |
| 4.6.3 典型视频序列下的定性比较 | 第66页 |
| 4.6.4 典型视频序列下的定量比较 | 第66-68页 |
| 4.6.5 单模型与多模型的跟踪结果比较 | 第68-69页 |
| 4.7 本章小结 | 第69-70页 |
| 第5章 总结和展望 | 第70-72页 |
| 5.1 研究工作总结 | 第70-71页 |
| 5.2 未来的工作展望 | 第71-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第82页 |
