| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 目标跟踪技术研究现状 | 第9-12页 |
| 1.3 目标跟踪技术的研究难点 | 第12-14页 |
| 1.4 论文的研究内容及结构分布 | 第14-15页 |
| 1.4.1 论文主要研究内容和创新 | 第14页 |
| 1.4.2 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 基于相关滤波器的目标跟踪算法相关内容 | 第17-26页 |
| 2.1 相关滤波 | 第17-18页 |
| 2.2 基于相关滤波器的目标跟踪算法框架 | 第18-19页 |
| 2.3 基于核相关滤波器目标跟踪算法 | 第19-23页 |
| 2.3.1 样本循环矩阵 | 第20-21页 |
| 2.3.2 滤波器的训练 | 第21-23页 |
| 2.3.3 快速目标检测 | 第23页 |
| 2.4 算法评价指标和常用数据库介绍 | 第23-25页 |
| 2.4.1 目标跟踪算法评价指标 | 第23-24页 |
| 2.4.2 常用数据库介绍 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 改进基于KCF的目标跟踪算法 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 KCF存在的问题和不足 | 第26-27页 |
| 3.3 KCF算法改进 | 第27-31页 |
| 3.3.1 KCF训练模型中损失函数的改进和对应的求解方法 | 第27-29页 |
| 3.3.2 融合尺度处理方法 | 第29-30页 |
| 3.3.3 自适应模型更新方法 | 第30-31页 |
| 3.4 实验结果及分析 | 第31-36页 |
| 3.4.1 定性分析 | 第31-35页 |
| 3.4.2 定量分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 联合模型目标跟踪算法研究 | 第38-51页 |
| 4.1 引言 | 第38-39页 |
| 4.2 自适应联合目标跟踪算法 | 第39-41页 |
| 4.2.1 基于L1范数核相关滤波器跟踪模型得分 | 第39页 |
| 4.2.2 基于颜色直方图跟踪模型得分 | 第39-40页 |
| 4.2.3 模型联合评估 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-49页 |
| 4.3.1 定性分析 | 第41-46页 |
| 4.3.2 定量分析 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 基于核相关滤波器的多特征模板目标跟踪算法研究 | 第51-69页 |
| 5.1 引言 | 第51-52页 |
| 5.2 多特征融合 | 第52-53页 |
| 5.3 鲁棒多模板训练模型 | 第53-55页 |
| 5.4 实验结果与分析 | 第55-61页 |
| 5.4.1 定性分析 | 第55-58页 |
| 5.4.2 定量分析 | 第58-61页 |
| 5.5 本文算法实验对比 | 第61-64页 |
| 5.6 与深度学习目标跟踪算法对比实验 | 第64-68页 |
| 5.7 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 论文工作小结 | 第69-70页 |
| 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第77页 |