基于超像素分割的目标跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 超像素分割国内外研究现状 | 第15-16页 |
| 1.2.2 目标跟踪国内外研究现状 | 第16-17页 |
| 1.3 本文的研究内容与章节安排 | 第17-19页 |
| 第二章 超像素分割性能分析及目标跟踪技术研究 | 第19-39页 |
| 2.1 超像素分割算法原理 | 第19-26页 |
| 2.1.1 基于图论的超像素生成算法 | 第19-21页 |
| 2.1.2 基于梯度下降的超像素生成算法 | 第21-26页 |
| 2.2 超像素分割算法实验仿真及性能分析 | 第26-29页 |
| 2.2.1 实验仿真平台 | 第26页 |
| 2.2.2 实验结果及分析 | 第26-29页 |
| 2.3 鲁棒性超像素目标跟踪方法(SPT) | 第29-33页 |
| 2.3.1 目标表观模型构建 | 第29-30页 |
| 2.3.2 目标前景置信图 | 第30-31页 |
| 2.3.3 目标状态最大后验概率估计 | 第31-32页 |
| 2.3.4 模型更新及遮挡检测 | 第32-33页 |
| 2.4 相关滤波跟踪方法 | 第33-36页 |
| 2.5 本章小结 | 第36-39页 |
| 第三章 基于超像素特征约束的目标跟踪方法 | 第39-57页 |
| 3.1 超像素跟踪算法缺陷分析 | 第39-41页 |
| 3.2 算法框架 | 第41-43页 |
| 3.3 前景掩模图提取 | 第43-46页 |
| 3.3.1 构建三分图 | 第43-44页 |
| 3.3.2 高斯混合模型迭代求解 | 第44-46页 |
| 3.4 超像素特征约束 | 第46-48页 |
| 3.5 实验评估 | 第48-56页 |
| 3.5.1 实验平台 | 第49页 |
| 3.5.2 目标前景模板提取耗时分析 | 第49页 |
| 3.5.3 超像素特征约束有效性验证 | 第49-53页 |
| 3.5.4 背景干扰跟踪有效性验证 | 第53-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 在线判别式超像素跟踪方法 | 第57-69页 |
| 4.1 算法框架 | 第57-58页 |
| 4.2 目标前景和背景特征提取 | 第58-59页 |
| 4.3 构建前景-背景特征词典 | 第59-63页 |
| 4.3.1 超限学习机原理 | 第59-61页 |
| 4.3.2 训练超限学习机 | 第61-62页 |
| 4.3.3 KNN聚类 | 第62-63页 |
| 4.4 目标位置估计 | 第63-64页 |
| 4.5 目标尺度估计 | 第64-65页 |
| 4.6 实验评估 | 第65-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 全文工作总结 | 第69-70页 |
| 5.2 进一步研究方向 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
