| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第13-16页 |
| 缩略语对照表 | 第16-20页 |
| 第一章 绪论 | 第20-30页 |
| 1.1 课题背景与意义 | 第20-21页 |
| 1.2 相关领域研究现状 | 第21-27页 |
| 1.2.1 多形态目标检测方法的研究现状 | 第21-24页 |
| 1.2.2 面目标跟踪方法的研究现状 | 第24-27页 |
| 1.3 本论文课题来源及主要研究内容 | 第27-30页 |
| 1.3.1 本论文课题来源 | 第27页 |
| 1.3.2 主要研究内容 | 第27-30页 |
| 第二章 基于卷积网络的多形态目标检测 | 第30-56页 |
| 2.1 引言 | 第30页 |
| 2.2 基于卷积网络信息筛选的场景自适应红外弱小目标检测 | 第30-40页 |
| 2.2.1 卷积神经网络原理概述 | 第30-31页 |
| 2.2.2 卷积网络信息筛选弱小目标检测 | 第31-34页 |
| 2.2.3 算法评估标准 | 第34-35页 |
| 2.2.4 实验结果分析 | 第35-40页 |
| 2.3 基于多尺度深层全卷积网络的快速高精度光电面目标检测 | 第40-54页 |
| 2.3.1 YOLO检测过程概述 | 第40-42页 |
| 2.3.2 快速多尺度深层全卷积网络目标检测原理 | 第42-48页 |
| 2.3.3 算法评估标准 | 第48页 |
| 2.3.4 实验结果分析 | 第48-54页 |
| 2.4 本章小结 | 第54-56页 |
| 第三章 基于多层深度特征结合的自更新抗遮挡目标跟踪 | 第56-72页 |
| 3.1 引言 | 第56页 |
| 3.2 核相关跟踪基本原理 | 第56-59页 |
| 3.2.1 线性条件下的岭回归 | 第56-58页 |
| 3.2.2 非线性核空间的岭回归 | 第58-59页 |
| 3.3 基于多层深度特征结合的自更新抗遮挡目标跟踪 | 第59-64页 |
| 3.3.1 目标多层深度特征获取 | 第61页 |
| 3.3.2 目标初步定位 | 第61-63页 |
| 3.3.3 目标重检测与终定位 | 第63-64页 |
| 3.4 实验结果与分析 | 第64-71页 |
| 3.4.1 算法评估标准 | 第64-65页 |
| 3.4.2 实验分析 | 第65-71页 |
| 3.5 本章小结 | 第71-72页 |
| 第四章 基于私有云平台的多形态目标感知系统设计与实现 | 第72-88页 |
| 4.1 引言 | 第72-73页 |
| 4.2 基于私有云的多形态目标感知系统框架 | 第73页 |
| 4.3 系统云化核心搭建过程 | 第73-78页 |
| 4.3.1 整体部署规划 | 第73-75页 |
| 4.3.2 验证模块部署 | 第75页 |
| 4.3.3 云端数据存储模块部署 | 第75-76页 |
| 4.3.4 镜像模块部署 | 第76页 |
| 4.3.5 核心控制模块部署 | 第76-77页 |
| 4.3.6 可视化操作模块 | 第77-78页 |
| 4.4 目标感知云平台使用情况 | 第78-87页 |
| 4.4.1 创建多形态目标感知系统云主机 | 第78-81页 |
| 4.4.2 启动多形态目标感知云主机实例 | 第81-82页 |
| 4.4.3 添加安全组管理规则 | 第82-83页 |
| 4.4.4 远程访问目标感知云实例 | 第83-84页 |
| 4.4.5 云环境安全性检查 | 第84-85页 |
| 4.4.6 目标感知系统数据处理展示 | 第85-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第五章 总结与展望 | 第88-90页 |
| 5.1 总结 | 第88-89页 |
| 5.2 展望 | 第89-90页 |
| 附录 | 第90-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100-102页 |
| 作者简介 | 第102-104页 |
