| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| ACKNOWLEDGEMENTS | 第7-11页 |
| NOMENCLATURE | 第11-12页 |
| LIST OF TABLES | 第12-13页 |
| LIST OF FIGURES | 第13-14页 |
| 1．Introduction | 第14-19页 |
| 1.1 Background | 第14-15页 |
| 1.2 Research objectives | 第15-16页 |
| 1.3 Research status | 第16-17页 |
| 1.4 Thesis organization | 第17-19页 |
| 2．REVIEW OF MULTIPLE OBJECT TRACKING | 第19-42页 |
| 2.1 Object detection | 第20-25页 |
| 2.1.1 HOG detector | 第21-23页 |
| 2.1.2 ISM detector | 第23-24页 |
| 2.1.3 Part based detector | 第24-25页 |
| 2.2 Object Tracking | 第25-36页 |
| 2.2.1 Single object tracking | 第27-30页 |
| 2.2.1.1 Static observation model | 第27-28页 |
| 2.2.1.2 Online learned observation model | 第28-30页 |
| 2.2.2 Multiple object tracking | 第30-33页 |
| 2.2.2.1 Tracking by local association | 第30-32页 |
| 2.2.2.2 Tracking by global optimization | 第32-33页 |
| 2.2.3 Network flow model | 第33-36页 |
| 2.3 Datasets | 第36-38页 |
| 2.4 Evaluation | 第38-41页 |
| 2.5 Summary | 第41-42页 |
| 3．GLOBALLY OPTIMAL TRACKING-BY-DETECTION IN NETWORK FLOW MODEL | 第42-59页 |
| 3.1 Network flow model | 第44-49页 |
| 3.1.1 MAP estimation | 第44-45页 |
| 3.1.2 Equivalence to network flow | 第45-49页 |
| 3.2 Optimization | 第49-54页 |
| 3.2.1 Dynamic Programming solution | 第49-52页 |
| 3.2.2 Improved Dynamic Programming solution | 第52-54页 |
| 3.3 Experiment | 第54-58页 |
| 3.4 Summary | 第58-59页 |
| 4．MULTIPLE OBJECT TRACKING BY INCORPORATING PARTICLE FILTER IN NETWORK FLOW MODEL | 第59-78页 |
| 4.1 Our method | 第60-70页 |
| 4.1.1 Particle filter relying on detection | 第61-63页 |
| 4.1.1.1 Boosted particle filter | 第61-62页 |
| 4.1.1.2 Our particle filter | 第62-63页 |
| 4.1.2 Modeling in network flow | 第63-70页 |
| 4.2 Optimization | 第70-75页 |
| 4.2.1 Successive shortest-paths | 第71页 |
| 4.2.2 Double-step optimization | 第71-75页 |
| 4.3 Experiment | 第75-76页 |
| 4.4 Summary | 第76-78页 |
| 5．Conclusion | 第78-80页 |
| References | 第80-86页 |
| 攻读硕士期间发表的论文及其它成果 | 第86-87页 |
| （一） 已发表的学术论文 | 第86页 |
| （二） 已完成的学术论文 | 第86页 |
| （三） 申请及已获得的专利 | 第86-87页 |
