| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 课题国内外研究现状 | 第13-17页 |
| 1.2.1 目标检测算法研究现状 | 第13-15页 |
| 1.2.2 目标跟踪算法研究现状 | 第15-17页 |
| 1.3 运动目标跟踪研究难点 | 第17-18页 |
| 1.4 本文主要研究内容及本文章节安排 | 第18-20页 |
| 第二章 目标检测与目标跟踪关键技术 | 第20-29页 |
| 2.1 目标检测技术 | 第20-23页 |
| 2.1.1 边界框回归 | 第20-21页 |
| 2.1.2 非极大值抑制 | 第21-22页 |
| 2.1.3 SSD检测算法的相关技术 | 第22-23页 |
| 2.2 目标跟踪技术 | 第23-24页 |
| 2.2.1 相关滤波技术(Kernelized Correlation Filters,KCF) | 第23页 |
| 2.2.2 基于深度学习的目标跟踪算法 | 第23-24页 |
| 2.3 其他关键技术 | 第24-27页 |
| 2.3.1 常用的关键技术 | 第24-25页 |
| 2.3.2 长短时记忆网络(LSTM,Long Short-Term Memory) | 第25-27页 |
| 2.4 模型压缩 | 第27页 |
| 2.5 深度学习框架选择 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于运动方向预测的目标检测与跟踪算法 | 第29-42页 |
| 3.1 基于运动方向预测的目标检测与跟踪算法设计 | 第29-35页 |
| 3.1.1 运动方向预测模块 | 第30-33页 |
| 3.1.2 感兴趣区域确定模块 | 第33页 |
| 3.1.3 目标检测模块 | 第33-35页 |
| 3.2 实验与结果分析 | 第35-41页 |
| 3.2.1 目标跟踪数据集 | 第35-36页 |
| 3.2.2 目标跟踪评价指标 | 第36-37页 |
| 3.2.3 训练及测试数据集处理 | 第37页 |
| 3.2.4 测试实验结果及分析 | 第37-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于自适应检测的目标跟踪算法 | 第42-55页 |
| 4.1 自适应检测机制 | 第42-46页 |
| 4.1.1 相关滤波模块 | 第43-45页 |
| 4.1.2 基于ShuffleNet的目标检测模块 | 第45-46页 |
| 4.2 基于自适应检测的目标跟踪算法 | 第46-47页 |
| 4.3 网络训练及实验验证 | 第47-53页 |
| 4.3.1 实验环境及训练参数介绍 | 第47-48页 |
| 4.3.2 基于ShuffleNet的目标检测模块 | 第48-49页 |
| 4.3.3 基于自适应检测的目标跟踪算法 | 第49-52页 |
| 4.3.4 两种跟踪算法的性能对比 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于自适应检测的目标跟踪系统设计与实现 | 第55-61页 |
| 5.1 系统总体概述 | 第55-57页 |
| 5.1.1 系统模块设计 | 第55-56页 |
| 5.1.2 系统的交互界面 | 第56-57页 |
| 5.2 系统运行效果 | 第57-60页 |
| 5.2.1 实时视频的检测跟踪 | 第57-58页 |
| 5.2.2 离线视频的检测跟踪 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |
