| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.2 国内外发展现状 | 第12-16页 |
| 1.2.1 目标检测 | 第14-15页 |
| 1.2.2 目标跟踪 | 第15-16页 |
| 1.3 研究内容与结构安排 | 第16-18页 |
| 第二章 目标检测算法研究 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 背景差分法 | 第18-20页 |
| 2.3 帧间差分法 | 第20-22页 |
| 2.4 光流法 | 第22-29页 |
| 2.4.1 光流与光流场 | 第22-24页 |
| 2.4.2 光流法检测原理 | 第24-25页 |
| 2.4.3 光流法计算分类 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| ·第三章Meanshift目标跟踪算法研究 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 密度估计理论 | 第30-32页 |
| 3.2.1 参数密度估计 | 第30-31页 |
| 3.2.2 无参密度估计 | 第31-32页 |
| 3.3 Meanshift算法基本理论 | 第32-34页 |
| 3.4 Meanshift目标跟踪算法应用 | 第34-38页 |
| 3.4.1 描述目标模型 | 第34-35页 |
| 3.4.2 建立候选目标模型 | 第35页 |
| 3.4.3 相似性度量函数 | 第35-36页 |
| 3.4.4 目标定位 | 第36-37页 |
| 3.4.5 运动目标跟踪实现过程 | 第37-38页 |
| 3.5 实验结果分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 目标跟踪学习与检测的TLD算法 | 第41-55页 |
| 4.1 引言 | 第41-42页 |
| 4.2 TLD跟踪算法概要 | 第42-43页 |
| 4.3 跟踪器 | 第43页 |
| 4.4 检测器 | 第43-47页 |
| 4.4.1 方差分类器 | 第44页 |
| 4.4.2 集成分类器 | 第44-46页 |
| 4.4.3 最近邻分类器 | 第46-47页 |
| 4.5 P-N在线学习机制 | 第47-49页 |
| 4.6 TLD算法设计 | 第49-51页 |
| 4.6.1 TLD算法流程 | 第50-51页 |
| 4.6.2 TLD算法优缺点 | 第51页 |
| 4.7 实验结果 | 第51-54页 |
| 4.8 本章小结 | 第54-55页 |
| 第五章 基于Meanshift改进的TLD目标跟踪算法 | 第55-63页 |
| 5.1 引言 | 第55页 |
| 5.2 改进TLD算法原理 | 第55-56页 |
| 5.3 改进TLD算法设计流程 | 第56-57页 |
| 5.4 跟踪实验结果与分析 | 第57-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |