| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 单模跟踪方法 | 第9-12页 |
| 1.2.2 多模跟踪方法 | 第12-13页 |
| 1.3 本文的主要工作和论文结构安排 | 第13-14页 |
| 第2章 目标跟踪理论基础 | 第14-23页 |
| 2.1 目标跟踪的基本流程 | 第14-16页 |
| 2.1.1 特征提取 | 第14-15页 |
| 2.1.2 目标搜索 | 第15-16页 |
| 2.2 基于核的目标跟踪算法 | 第16-20页 |
| 2.2.1 MeanShift向量 | 第16-18页 |
| 2.2.2 目标模型 | 第18页 |
| 2.2.3 候选模型 | 第18页 |
| 2.2.4 基于Bhattacharyya系数的相似性函数 | 第18-19页 |
| 2.2.5 目标定位 | 第19-20页 |
| 2.3 循环矩阵 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于空间直方图表示的多模融合跟踪 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 空间直方图表示的融合跟踪算法 | 第23-26页 |
| 3.2.1 空间直方图表示 | 第23-24页 |
| 3.2.2 相似性度量 | 第24页 |
| 3.2.3 目标位移公式推导 | 第24-25页 |
| 3.2.4 权值调节 | 第25-26页 |
| 3.3 实验与结果分析 | 第26-33页 |
| 3.3.1 直方图与空间直方图的比较 | 第26-27页 |
| 3.3.2 与其他跟踪器比较 | 第27-31页 |
| 3.3.3 定量比较 | 第31-33页 |
| 3.4 小结 | 第33-34页 |
| 第4章 基于KCF的多模融合跟踪算法 | 第34-47页 |
| 4.1 引言 | 第34-35页 |
| 4.2 分类器快速训练检测模型 | 第35-36页 |
| 4.3 目标位置预测 | 第36页 |
| 4.4 多模融合 | 第36-37页 |
| 4.5 实验与结果分析 | 第37-45页 |
| 4.5.1 与MJST跟踪算法比较 | 第37-38页 |
| 4.5.2 融合与非融合的对比 | 第38-39页 |
| 4.5.3 与其他跟踪器比较 | 第39-43页 |
| 4.5.4 定量比较 | 第43-45页 |
| 4.6 小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士期间的科研情况 | 第52-53页 |
| 致谢 | 第53-54页 |