基于深度特征学习的目标检测与跟踪算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 行人目标检测研究现状 | 第10-11页 |
| 1.2.2 目标跟踪研究现状 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 2 目标检测与跟踪技术 | 第14-27页 |
| 2.1 行人目标检测 | 第14-17页 |
| 2.1.1 行人目标检测常用数据库 | 第15-17页 |
| 2.1.2 基于HOG+SVM的行人检测方法 | 第17页 |
| 2.2 目标跟踪研究 | 第17-21页 |
| 2.2.1 主要模块介绍 | 第18-20页 |
| 2.2.2 模块评估 | 第20-21页 |
| 2.3 深度学习在目标检测跟踪中的应用 | 第21-26页 |
| 2.3.1 深度学习 | 第21-22页 |
| 2.3.2 深度学习模型 | 第22-25页 |
| 2.3.3 存在问题 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于深度特征学习的行人目标检测算法 | 第27-38页 |
| 3.1 基于深度特征的行人检测基本原理 | 第27-35页 |
| 3.1.1 样本准备 | 第28-29页 |
| 3.1.2 特征提取 | 第29-32页 |
| 3.1.3 分类器设计 | 第32-33页 |
| 3.1.4 检测区域提取 | 第33-35页 |
| 3.2 实验结果评测方法及分析 | 第35-37页 |
| 3.2.1 行人检测算法的评测方法 | 第35-36页 |
| 3.2.2 实验结果与分析 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 基于深度特征学习的目标跟踪算法 | 第38-47页 |
| 4.1 粒子滤波框架 | 第38-39页 |
| 4.2 基于深度特征的目标跟踪基本原理 | 第39-41页 |
| 4.2.1 初始化和样本准备 | 第40-41页 |
| 4.2.2 检测器设计 | 第41页 |
| 4.2.3 运动估计 | 第41页 |
| 4.3 实验设计与分析 | 第41-46页 |
| 4.3.1 相关参数设置 | 第42页 |
| 4.3.2 评测准则与方法 | 第42页 |
| 4.3.3 实验结果与分析 | 第42-45页 |
| 4.3.4 从其他跟踪方法的对比分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 进一步的工作 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 附录 | 第56页 |
