基于结构推理的多目标跟踪
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第13-17页 |
| 1.1 多目标跟踪的研究意义与应用 | 第13-15页 |
| 1.2 本文主要贡献与关键技术 | 第15页 |
| 1.3 章节安排 | 第15-17页 |
| 第二章 跟踪算法研究背景以及现状 | 第17-23页 |
| 2.1 研究背景 | 第17-19页 |
| 2.2 研究现状 | 第19-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 结构性方法综述与跟踪模型框架 | 第23-26页 |
| 3.1 结构性跟踪模型框架 | 第24-26页 |
| 第四章 基于在线检测子与跟踪子的过滤器 | 第26-38页 |
| 4.1 背景介绍 | 第26-33页 |
| 4.1.1 随机森林分类器 | 第26-31页 |
| 4.1.2 KLT 跟踪器 | 第31-33页 |
| 4.2 位置过滤器 | 第33-37页 |
| 4.2.1 检测子过滤器 | 第33-36页 |
| 4.2.2 跟踪子过滤器 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 状态空间的量化评价 | 第38-47页 |
| 5.1 背景介绍 | 第38-43页 |
| 5.1.1 级联 AdaBoost 分类器 | 第38-41页 |
| 5.1.2 SVM 分类器 | 第41-43页 |
| 5.2 量化评价方法 | 第43-44页 |
| 5.3 实验结果与分析 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 基于结构性推理的联合概率函数 | 第47-57页 |
| 6.1 背景介绍 | 第47-50页 |
| 6.1.1 置信传播算法 | 第47-50页 |
| 6.2 多目标的空间结构 | 第50-53页 |
| 6.2.1 单目标空间结构概率 | 第51-53页 |
| 6.2.2 多目标间空间结构概率 | 第53页 |
| 6.3 联合概率函数与结构性推理 | 第53-55页 |
| 6.4 本章小结 | 第55-57页 |
| 第七章 实验结果与分析 | 第57-64页 |
| 7.1 结构性目标的跟踪实验结果 | 第57-58页 |
| 7.2 多目标的跟踪实验结果 | 第58-61页 |
| 7.3 实验结果的量化比较 | 第61-63页 |
| 7.4 本章小结 | 第63-64页 |
| 第八章 总结与展望 | 第64-66页 |
| 8.1 主要工作与创新点 | 第64页 |
| 8.2 后续研究工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间已发表或录用的论文 | 第71-72页 |
| 附录 | 第72-73页 |
