基于特征融合的目标跟踪算法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究现状及难点分析 | 第15-17页 |
| 1.2.1 研究现状 | 第15-16页 |
| 1.2.2 难点分析 | 第16-17页 |
| 1.3 目标跟踪技术的典型应用 | 第17-19页 |
| 1.3.1 智能交通 | 第17-18页 |
| 1.3.2 视频监控 | 第18页 |
| 1.3.3 医学诊断 | 第18页 |
| 1.3.4 人机交互 | 第18页 |
| 1.3.5 无人机系统 | 第18-19页 |
| 1.3.6 军事应用 | 第19页 |
| 1.4 论文研究内容与结构安排 | 第19-21页 |
| 第二章 基于单一特征的目标跟踪算法研究 | 第21-38页 |
| 2.1 目标跟踪相关技术研究 | 第21-26页 |
| 2.1.1 光流法 | 第21-23页 |
| 2.1.2 帧间差分法 | 第23-24页 |
| 2.1.3 背景减除法 | 第24-26页 |
| 2.2 经典目标跟踪算法 | 第26-33页 |
| 2.2.1 Mean-shift | 第28-29页 |
| 2.2.2 Particle filter | 第29-31页 |
| 2.2.3 STC | 第31-32页 |
| 2.2.4 Struck | 第32-33页 |
| 2.3 实验结果及分析 | 第33-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于特征融合的传统目标跟踪算法 | 第38-49页 |
| 3.1 理论基础 | 第38-41页 |
| 3.1.1 分块跟踪算法 | 第38页 |
| 3.1.2 颜色特征 | 第38-40页 |
| 3.1.3 时空特征 | 第40-41页 |
| 3.2 算法框架 | 第41-44页 |
| 3.3 实验结果及分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于特征融合的多尺度学习跟踪算法 | 第49-74页 |
| 4.1 理论基础 | 第49-55页 |
| 4.1.1 CSK算法 | 第49-52页 |
| 4.1.2 KCF算法 | 第52-53页 |
| 4.1.3 TLD算法 | 第53-55页 |
| 4.2 算法框架 | 第55-65页 |
| 4.2.1 基本思想 | 第55-56页 |
| 4.2.2 基于梯度和纹理特征融合的跟踪算法 | 第56-61页 |
| 4.2.3 基于CNN的目标检测方法 | 第61-65页 |
| 4.3 实验结果及分析 | 第65-72页 |
| 4.4 本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 论文总结 | 第74-75页 |
| 5.2 论文展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士期间研究成果 | 第83-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
