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 |
