| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 表观模型 | 第9-10页 |
| 1.2.2 运动模型 | 第10页 |
| 1.3 本文的主要工作与结构 | 第10-13页 |
| 1.3.1 本文的主要工作 | 第10-11页 |
| 1.3.2 本文的组织结构 | 第11-13页 |
| 第二章 目标跟踪问题研究 | 第13-20页 |
| 2.1 目标跟踪算法流程 | 第13-14页 |
| 2.2 目标跟踪技术的难点 | 第14-17页 |
| 2.3 目标跟踪算法的评价指标 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于局部的自适应多特征融合的核相关滤波目标跟踪算法 | 第20-42页 |
| 3.1 相关知识 | 第20-23页 |
| 3.1.1 核相关滤波跟踪算法 | 第20-22页 |
| 3.1.2 粒子滤波跟踪框架 | 第22-23页 |
| 3.2 算法主体结构 | 第23-29页 |
| 3.2.1 粗预测过程 | 第24-25页 |
| 3.2.2 模型建立 | 第25-27页 |
| 3.2.3 模型更新 | 第27-29页 |
| 3.3 实验部分 | 第29-40页 |
| 3.3.1 实验设置 | 第29-30页 |
| 3.3.2 算法不同属性的对比 | 第30-31页 |
| 3.3.3 定量评价与分析 | 第31-37页 |
| 3.3.4 定性评价与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于非局部相似性学习目标跟踪算法 | 第42-59页 |
| 4.1 问题表述 | 第42页 |
| 4.2 算法框架 | 第42-49页 |
| 4.2.1 基于表示的非局部相似性学习 | 第43-46页 |
| 4.2.2 在线学习线性分类器 | 第46-47页 |
| 4.2.3 融合粒子滤波框架 | 第47-49页 |
| 4.3 实验评价 | 第49-59页 |
| 4.3.1 实验设置 | 第49页 |
| 4.3.2 算法应用不同特征表示的效果对比 | 第49-50页 |
| 4.3.3 定量测试分析 | 第50-55页 |
| 4.3.4 定性测试分析 | 第55-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文的工作内容及创新之处 | 第59-60页 |
| 5.2 今后工作的展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间完成的科研情况 | 第66页 |