基于改进TLD框架的目标跟踪
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 目标检测 | 第13-14页 |
| 1.2.2 目标跟踪 | 第14-16页 |
| 1.2.3 应用及发展趋势 | 第16-17页 |
| 1.3 研究难点 | 第17-18页 |
| 1.4 主要研究内容 | 第18-19页 |
| 1.5 内容安排 | 第19-20页 |
| 第二章 图像预处理及TLD跟踪框架 | 第20-29页 |
| 2.1 图像预处理 | 第20-24页 |
| 2.1.1 图像的灰度化 | 第20-22页 |
| 2.1.2 图像的去噪 | 第22-24页 |
| 2.2 TLD跟踪算法 | 第24-28页 |
| 2.2.1 TLD跟踪算法基本框架 | 第25-26页 |
| 2.2.2 PN学习 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于稀疏表示的TLD跟踪模块 | 第29-50页 |
| 3.1 稀疏表示 | 第29-34页 |
| 3.1.1 稀疏表示的核心思想 | 第29-31页 |
| 3.1.2 稀疏表示的数学模型 | 第31-33页 |
| 3.1.3 稀疏表示的求法 | 第33-34页 |
| 3.2 粒子滤波 | 第34-37页 |
| 3.2.1 贝叶斯滤波 | 第34-35页 |
| 3.2.2 蒙特卡洛方法 | 第35页 |
| 3.2.3 重要性采样 | 第35-37页 |
| 3.2.4 序贯重要性采样 | 第37页 |
| 3.3 基于粒子滤波框架的稀疏表示跟踪算法 | 第37-44页 |
| 3.3.1 建立目标模型 | 第38-40页 |
| 3.3.2 最小化求解 | 第40-41页 |
| 3.3.3 遮挡及噪声干扰处理 | 第41-42页 |
| 3.3.4 跟踪模块整体算法 | 第42-44页 |
| 3.4 实验结果 | 第44-49页 |
| 3.4.1 定性分析 | 第44-46页 |
| 3.4.2 定量分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于相关联滤波的TLD检测模块 | 第50-66页 |
| 4.1 HOG特征提取 | 第50-54页 |
| 4.2 相关联滤波器 | 第54-55页 |
| 4.3 基于改进SRDCF的检测器 | 第55-61页 |
| 4.3.1 标准SRDCF跟踪器 | 第55-58页 |
| 4.3.2 自适应更新尺度及空间规则化权重 | 第58-60页 |
| 4.3.3 总体算法 | 第60-61页 |
| 4.4 实验 | 第61-65页 |
| 4.4.1 定性分析 | 第61-64页 |
| 4.4.2 定量分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 完成的工作与创新点 | 第66-67页 |
| 5.2 存在的问题与研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果与发表的学术论文 | 第73页 |
