| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 移动目标跟踪的研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 移动目标跟踪算法综述 | 第11-13页 |
| 1.4 论文主要内容及章节 | 第13-15页 |
| 2 TLD目标跟踪算法的研究与分析 | 第15-39页 |
| 2.1 TLD算法跟踪原理 | 第15-18页 |
| 2.1.1 基于TLD框架的算法简介 | 第15-17页 |
| 2.1.2 TLD算法的目标模型 | 第17-18页 |
| 2.2 TLD算法的跟踪模块 | 第18-23页 |
| 2.2.1 光流法 | 第18-20页 |
| 2.2.2 误差估计 | 第20-21页 |
| 2.2.3 中值流(Median Flow)算法的跟踪流程 | 第21-22页 |
| 2.2.4 跟踪失败时的自检测 | 第22-23页 |
| 2.3 检测模块 | 第23-29页 |
| 2.3.1 方差分类器 | 第24-25页 |
| 2.3.2 集合分类器 | 第25-28页 |
| 2.3.3 最近邻分类器 | 第28-29页 |
| 2.4 学习模块 | 第29-32页 |
| 2.4.1 机器学习简介 | 第29-30页 |
| 2.4.2 P-N学习的原理 | 第30-32页 |
| 2.5 TLD算法的实现 | 第32-33页 |
| 2.6 实验结果及分析 | 第33-38页 |
| 2.7 本章小结 | 第38-39页 |
| 3 基于压缩感知的TLD改进算法 | 第39-66页 |
| 3.1 压缩感知的提出 | 第39-40页 |
| 3.2 压缩感知的基本原理 | 第40-43页 |
| 3.2.1 信号的稀疏表示 | 第41页 |
| 3.2.2 测量矩阵 | 第41-42页 |
| 3.2.3 信号重构 | 第42-43页 |
| 3.3 基于压缩感知的TLD跟踪算法 | 第43-54页 |
| 3.3.1 压缩感知检测模块的特征提取 | 第43-47页 |
| 3.3.2 压缩感知检测模块的朴素贝叶斯分类器 | 第47-50页 |
| 3.3.3 压缩感知检测模块的实现 | 第50-52页 |
| 3.3.4 TLD改进算法的实现 | 第52-54页 |
| 3.4 实验结果及分析 | 第54-64页 |
| 3.5 本章小结 | 第64-66页 |
| 4 基于TLD改进算法的智能婴儿车目标跟踪系统的应用 | 第66-74页 |
| 4.1 智能婴儿车移动目标跟踪系统的硬件架构 | 第66-69页 |
| 4.2 智能婴儿车移动目标跟踪系统的软件设计 | 第69-70页 |
| 4.3 智能婴儿车移动目标跟踪系统的实验结果与分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表学术论文目录 | 第81-82页 |
