基于改进的TLD目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容及论文组织结构 | 第13-15页 |
| 第2章 目标跟踪算法概述 | 第15-25页 |
| 2.1 图像目标的表示 | 第15-16页 |
| 2.2 目标的特征描述 | 第16-17页 |
| 2.3 机器学习算法 | 第17-22页 |
| 2.3.1 K-最近邻学习算法 | 第18-19页 |
| 2.3.2 朴素贝叶斯的学习算法 | 第19-20页 |
| 2.3.3 支持向量机的学习算法 | 第20-22页 |
| 2.4 目标跟踪算法的评价标准 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于HOG-SLBP的目标检测算法研究 | 第25-39页 |
| 3.1 目标检测算法概述 | 第25-26页 |
| 3.2 图像目标的特征提取 | 第26-32页 |
| 3.2.1 HOG特征的描述 | 第26-28页 |
| 3.2.2 SLBP特征的描述 | 第28-32页 |
| 3.3 基于HOG-SLBP的目标检测算法 | 第32-35页 |
| 3.3.1 基于线性SVM的分类算法 | 第33-34页 |
| 3.3.2 特征的PCA降维 | 第34-35页 |
| 3.3.3 上下文信息的重新评分 | 第35页 |
| 3.4 实验结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于改进的TLD目标跟踪算法研究 | 第39-57页 |
| 4.1 TLD目标跟踪算法的基本原理 | 第39-46页 |
| 4.1.1 跟踪器原理 | 第40-41页 |
| 4.1.2 检测器原理 | 第41-44页 |
| 4.1.3 学习模块 | 第44-45页 |
| 4.1.4 综合模块 | 第45-46页 |
| 4.2 基于SLBP分类器与TLD融合的跟踪算法 | 第46-49页 |
| 4.2.1 判别模块的基本原理 | 第47-48页 |
| 4.2.2 SLBP分类器的工作原理 | 第48-49页 |
| 4.3 实验结果分析 | 第49-56页 |
| 4.3.1 算法及数据集的特性 | 第49-50页 |
| 4.3.2 跟踪算法性能的定量分析 | 第50-54页 |
| 4.3.3 跟踪算法性能的定性评价 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
