首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向社交场景理解的多目标跟踪与视频时域对齐方法研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第12-24页
    1.1 选题背景及意义第12-15页
    1.2 国内外研究现状第15-20页
        1.2.1 目标跟踪研究现状第15-18页
        1.2.2 视频对齐研究现状第18-20页
    1.3 论文内容及结构第20-22页
    1.4 论文的主要贡献第22-24页
第二章 基于稀疏表示的多目标跟踪方法第24-36页
    2.1 相关工作第24-26页
    2.2 问题描述第26-27页
    2.3 先验概率第27-28页
    2.4 似然函数第28-30页
        2.4.1 运动似然第28-29页
        2.4.2 外观似然第29-30页
    2.5 时空MCMC数据关联第30-32页
    2.6 实验结果与分析第32-35页
    2.7 本章小结第35-36页
第三章 结合姿态检测的多目标跟踪方法第36-50页
    3.1 相关工作第36-38页
    3.2 跟踪单元描述第38-39页
    3.3 干预模型第39-42页
    3.4 实验结果与分析第42-48页
    3.5 本章小结第48-50页
第四章 基于轨迹形状联合空间的视频时域对齐第50-66页
    4.1 问题描述与相关工作第50-52页
    4.2 轨迹空间和形状空间第52-56页
        4.2.1 基于轨迹空间的同步第53-55页
        4.2.2 基于形状空间的同步第55页
        4.2.3 代价矩阵第55-56页
    4.3 实验结果与分析第56-64页
        4.3.1 非刚性动态场景对齐第57-64页
        4.3.2 鲁棒性分析第64页
    4.4 本章小结第64-66页
第五章 基于运动目标三维轨迹重建的视频同步第66-82页
    5.1 相关工作第66-67页
    5.2 双序列时域对齐第67-72页
        5.2.1 基于三维轨迹重建的线性时域对齐第67-69页
        5.2.2 非线性时域对齐第69-72页
    5.3 多序列时域对齐第72页
    5.4 仿真实验第72-75页
        5.4.1 鲁棒性分析第73-74页
        5.4.2 准确性分析第74-75页
    5.5 第一人称视角数据第75-81页
    5.6 本章小结第81-82页
第六章 面向社交场景理解的典型应用示范第82-92页
    6.1 动态场景 2.5D图估计第82-87页
        6.1.1 社交行为数据集Kids Blocks第83-84页
        6.1.2 视差估计第84页
        6.1.3 基于多线索融合的前景背景分割第84-85页
        6.1.4 实验结果第85-87页
    6.2 社交显著性结构三维重建第87-91页
        6.2.1 视线模型及标定第87-89页
        6.2.2 共注视估计第89-90页
        6.2.3 实验结果第90-91页
    6.3 本章小结第91-92页
第七章 总结与展望第92-94页
    7.1 本文工作的总结第92-93页
    7.2 未来工作的展望第93-94页
参考文献第94-108页
致谢第108-110页
攻读博士学位期间发表的学术论文和参加科研情况第110-111页

论文共111页,点击 下载论文
上一篇:大通量薄板坯流程的高品质低碳钢夹杂物控制关键技术研究
下一篇:熔盐电解法制备Sm2Fe17合金的基础研究