基于流形排序的多跟踪器融合方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 在线视觉跟踪的基本框架与挑战 | 第13-16页 |
| 1.2.1 视觉跟踪的基本框架 | 第13-15页 |
| 1.2.2 视觉跟踪的挑战 | 第15-16页 |
| 1.3 相关技术综述 | 第16-22页 |
| 1.3.1 全局特征 | 第16-17页 |
| 1.3.2 局部特征 | 第17-18页 |
| 1.3.3 基于生成模型的目标跟踪算法 | 第18-19页 |
| 1.3.4 基于判决模型的目标跟踪算法 | 第19-20页 |
| 1.3.5 基于子空间学习的跟踪算法 | 第20-21页 |
| 1.3.6 基于SVM的目标跟踪算法 | 第21-22页 |
| 1.4 本课题的主要研究内容 | 第22-24页 |
| 第2章 特征参数对目标跟踪影响的研究 | 第24-36页 |
| 2.1 Haar-like特征 | 第24-25页 |
| 2.1.1 Haar-like特征的原理 | 第24页 |
| 2.1.2 积分图 | 第24-25页 |
| 2.2 HOG特征 | 第25-28页 |
| 2.2.1 HOG特征的概念 | 第25页 |
| 2.2.2 HOG特征的提取过程 | 第25-28页 |
| 2.3 SIFT特征 | 第28-32页 |
| 2.4 特征融合 | 第32-35页 |
| 2.4.1 特征参数对跟踪性能的影响研究 | 第32-34页 |
| 2.4.2 多特征融合 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 子跟踪器融合的研究 | 第36-52页 |
| 3.1 流形排序 | 第36-42页 |
| 3.1.1 图论基础 | 第36-37页 |
| 3.1.2 流形排序 | 第37-39页 |
| 3.1.3 流形排序的改进 | 第39-42页 |
| 3.2 多跟踪器的融合 | 第42-47页 |
| 3.3 模型更新机制 | 第47-48页 |
| 3.4 子跟踪器的选择 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 实验结果分析 | 第52-72页 |
| 4.1 评价方法 | 第52-55页 |
| 4.1.1 准确率曲线 | 第53页 |
| 4.1.2 成功率曲线 | 第53-54页 |
| 4.1.3 鲁棒性评估 | 第54-55页 |
| 4.2 定量评估 | 第55-67页 |
| 4.2.1 空间鲁棒性 | 第55-60页 |
| 4.2.2 时间鲁棒性 | 第60-67页 |
| 4.3 定性评估 | 第67-71页 |
| 4.3.1 严重遮挡 | 第67-68页 |
| 4.3.2 背景杂乱 | 第68-69页 |
| 4.3.3 光照变化及尺度变化 | 第69-70页 |
| 4.3.4 运动模糊 | 第70-71页 |
| 4.3.5 目标旋转 | 第71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
