复杂环境下的物体跟踪技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 中文文摘 | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 论文的主要研究内容和章节安排 | 第9-10页 |
| 1.2.1 主要研究内容 | 第9页 |
| 1.2.2 章节安排 | 第9-10页 |
| 第二章 视觉追踪技术简介和现状 | 第10-16页 |
| 2.1 简介 | 第10页 |
| 2.2 问题描述 | 第10-11页 |
| 2.3 视觉追踪技术的挑战 | 第11-12页 |
| 2.4 相关工作 | 第12-16页 |
| 第三章 基于Haar特征的人脸检测技术 | 第16-32页 |
| 3.1 Haar-like特征 | 第16-18页 |
| 3.2 特征数量 | 第18-20页 |
| 3.3 积分图 | 第20-22页 |
| 3.4 级联分类器与检测过程 | 第22-27页 |
| 3.4.1 弱分类器 | 第22-24页 |
| 3.4.2 强分类器 | 第24-25页 |
| 3.4.3 双通道级联分类器 | 第25-26页 |
| 3.4.4 图像检测过程 | 第26-27页 |
| 3.5 实验结果及分析 | 第27-29页 |
| 3.5.1 正负例数据集 | 第27-28页 |
| 3.5.2 Adaboost算法的实现 | 第28页 |
| 3.5.3 测试数据分析 | 第28-29页 |
| 3.6 本章小结 | 第29-32页 |
| 第四章 在复杂环境下的目标跟踪技术 | 第32-52页 |
| 4.1 传统TLD跟踪技术 | 第32-33页 |
| 4.2 跟踪器 | 第33-36页 |
| 4.2.1 LK光流法 | 第33-34页 |
| 4.2.2 前向-后向误差 | 第34-36页 |
| 4.3 检测器 | 第36-41页 |
| 4.3.1 积分直方图分类器 | 第36-37页 |
| 4.3.2 随机Haar-like块分类器 | 第37-39页 |
| 4.3.3 搜索策略 | 第39-41页 |
| 4.4 在线学习算法 | 第41-42页 |
| 4.5 实验结果及分析 | 第42-50页 |
| 4.5.1 参数设定 | 第42页 |
| 4.5.2 数据集测试结果 | 第42-47页 |
| 4.5.3 综合性能分析 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间承担的科研任务与主要成果 | 第60-62页 |
| 致谢 | 第62-64页 |
| 个人简历 | 第64-68页 |
