基于理解诊断跟踪系统的目标跟踪算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外目标跟踪发展现状 | 第11-12页 |
| 1.2.2 国内目标跟踪发展现状 | 第12-13页 |
| 1.3 本文的主要研究内容和论文组织结构 | 第13-16页 |
| 1.3.1 本文主要研究内容 | 第13页 |
| 1.3.2 论文组织结构 | 第13-16页 |
| 第2章 理解诊断视觉跟踪系统的基本理论 | 第16-28页 |
| 2.1 理解诊断视觉跟踪系统相关基础知识介绍 | 第16-17页 |
| 2.1.1 基于检测的跟踪方法 | 第16-17页 |
| 2.1.2 UDVTS算法基本流程 | 第17页 |
| 2.2 目标跟踪系统的主要技术 | 第17-27页 |
| 2.2.1 运动模型 | 第17-21页 |
| 2.2.2 特征提取器 | 第21-23页 |
| 2.2.3 观察模型 | 第23-26页 |
| 2.2.4 模型更新器 | 第26-27页 |
| 2.2.5 总体处理器 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于上下文的改进UDVTS算法 | 第28-50页 |
| 3.1 Haar-Like特征相关概念及其改进 | 第28-35页 |
| 3.1.1 Adaboost算法及其改进 | 第28-29页 |
| 3.1.2 Haar-Like算法及其改进 | 第29-32页 |
| 3.1.3 仿真结果及分析 | 第32-35页 |
| 3.2 上下文模型相关概念及其改进 | 第35-38页 |
| 3.2.1 空间背景模型 | 第36-37页 |
| 3.2.2 背景先验模型 | 第37页 |
| 3.2.3 置信图 | 第37-38页 |
| 3.3 改进时空上下文算法的实现 | 第38-42页 |
| 3.3.1 快速学习空间背景模型 | 第38页 |
| 3.3.2 改进后的上下文模型 | 第38-39页 |
| 3.3.3 更新尺度 | 第39-42页 |
| 3.4 仿真结果及分析 | 第42-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于鲁棒尺度估计的改进UDVTS算法 | 第50-66页 |
| 4.1 HOG特征及其改进 | 第50-52页 |
| 4.2 相关滤波器及其改进 | 第52-58页 |
| 4.2.1 学习判别相关滤波器 | 第54页 |
| 4.2.2 多维特征的判别相关滤波器 | 第54-56页 |
| 4.2.3 穷举量空间跟踪 | 第56-57页 |
| 4.2.4 快速空间跟踪 | 第57页 |
| 4.2.5 改进UDVTS算法流程 | 第57-58页 |
| 4.3 仿真结果及分析 | 第58-65页 |
| 4.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
