| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外目标跟踪算法研究现状 | 第15-16页 |
| 1.2.1 国外目标跟踪发展现状 | 第15-16页 |
| 1.2.2 国内目标跟踪发展现状 | 第16页 |
| 1.3 TLD跟踪算法的发展与优势 | 第16-18页 |
| 1.4 论文主要研究内容 | 第18-20页 |
| 第二章 TLD算法 | 第20-26页 |
| 2.1 TLD算法的主要模块 | 第20-23页 |
| 2.1.1 目标检测模块 | 第20-21页 |
| 2.1.2 目标跟踪模块 | 第21-22页 |
| 2.1.3 整合器模块 | 第22页 |
| 2.1.4 P-N学习模块 | 第22-23页 |
| 2.2 TLD跟踪器中的匹配算法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 图像匹配技术 | 第26-34页 |
| 3.1 图像匹配的数学理论基础 | 第26页 |
| 3.2 图像匹配算法概述 | 第26-28页 |
| 3.2.1 图像匹配算法的定义 | 第26页 |
| 3.2.2 图像匹配技术的分类及其评价方法 | 第26-27页 |
| 3.2.3 影响图像匹配的关键因素 | 第27-28页 |
| 3.3 几种常用的匹配技术 | 第28-32页 |
| 3.3.1 基于图像灰度的匹配方法 | 第28-29页 |
| 3.3.2 基于图像特征的匹配方法 | 第29-31页 |
| 3.3.3 基于最小二乘图像匹配方法 | 第31-32页 |
| 3.3.4 快速匹配方法 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 归一化互相关匹配算法的改进 | 第34-44页 |
| 4.1 序贯相似性检测算法 | 第34-36页 |
| 4.1.1 相关算法介绍 | 第34-35页 |
| 4.1.2 改进的序贯相似性检测算法 | 第35页 |
| 4.1.3 粗匹配过程 | 第35-36页 |
| 4.2 改进的归一化互相关匹配算法 | 第36-39页 |
| 4.2.1 相关算法介绍 | 第37页 |
| 4.2.2 Sum-table的引入 | 第37-39页 |
| 4.2.3 精匹配过程 | 第39页 |
| 4.3 利用快速傅里叶计算NCC | 第39-41页 |
| 4.3.1 预处理 | 第40页 |
| 4.3.2 算法介绍 | 第40-41页 |
| 4.3.3 算法实现 | 第41页 |
| 4.4 本文的SSDA-NCC与传统归一化互相关匹配算法的比较 | 第41页 |
| 4.5 本章小结 | 第41-44页 |
| 第五章 TLD跟踪器匹配算法的改进与实现 | 第44-64页 |
| 5.1 视频图像预处理 | 第44-51页 |
| 5.1.1 形态学图像处理 | 第44-47页 |
| 5.1.2 图像去噪处理 | 第47-51页 |
| 5.2 TLD跟踪器匹配算法的改进 | 第51页 |
| 5.3 实验环境说明 | 第51-54页 |
| 5.3.1 实验的软硬条件说明 | 第51-54页 |
| 5.3.2 文献[23]中保守相似度的定义 | 第54页 |
| 5.4 不同的相似性度量法的实验对比分析 | 第54-56页 |
| 5.5 TLD跟踪器匹配算法的实现与分析 | 第56-62页 |
| 5.5.1 FFT方法的实验结果与分析 | 第56-57页 |
| 5.5.2 改进后的实验结果与分析 | 第57-61页 |
| 5.5.2.1 SSDA+NCC实验结果与分析 | 第57-59页 |
| 5.5.2.2 SSDA-NCC实验结果与分析 | 第59-61页 |
| 5.5.3 SSDA-NCC法与原始TLD算法对比分析 | 第61-62页 |
| 5.6 SSDA-NCC应用与TLD跟踪器的算法流程图 | 第62-63页 |
| 5.7 本章小结 | 第63-64页 |
| 第六章 结论和展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 研究成果及发表的学术论文 | 第72-74页 |
| 作者简介 | 第74-75页 |
| 附件 | 第75-76页 |
