| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容和组织结构 | 第12-15页 |
| 第二章 算法与模型分析 | 第15-32页 |
| 2.1 目标跟踪算法分析 | 第15-19页 |
| 2.1.1 目标跟踪算法概述 | 第15-16页 |
| 2.1.2 主流跟踪算法性能分析 | 第16-18页 |
| 2.1.3 目标跟踪算法存在问题与难点分析 | 第18-19页 |
| 2.2 深度学习主要模型分析 | 第19-27页 |
| 2.2.1 深度学习简介 | 第19-21页 |
| 2.2.2 深度学习的主要模型 | 第21-27页 |
| 2.3 深度学习应用于目标跟踪分析 | 第27-30页 |
| 2.4 异常徘徊检测方法分析 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于深度学习的视频序列运动目标跟踪 | 第32-55页 |
| 3.1 引言 | 第32页 |
| 3.2 视频目标跟踪中的粒子滤波方法 | 第32-33页 |
| 3.3 基于卷积神经网络的目标跟踪方法 | 第33-45页 |
| 3.3.1 深度神经网络模型的选择与网络结构分析 | 第33-36页 |
| 3.3.2 神经网络参数的训练与优化 | 第36-40页 |
| 3.3.3 特征预训练过程 | 第40-43页 |
| 3.3.4 在线跟踪过程 | 第43-45页 |
| 3.4 实验结果与分析 | 第45-54页 |
| 3.4.1 实时性实验 | 第46页 |
| 3.4.2 鲁棒性分析 | 第46-51页 |
| 3.4.3 与主流跟踪方法的对比与分析 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 深度学习目标跟踪方法在异常徘徊检测中的应用 | 第55-68页 |
| 4.1 引言 | 第55页 |
| 4.2 异常徘徊检测整体框架 | 第55-56页 |
| 4.3 背景建模及运动目标检测 | 第56-58页 |
| 4.4 异常徘徊行为的判别 | 第58-59页 |
| 4.5 可疑目标多摄像头检测与识别 | 第59-61页 |
| 4.6 实验结果与分析 | 第61-66页 |
| 4.6.1 异常徘徊行为检测判别实验 | 第62-63页 |
| 4.6.2 异常徘徊检测对比实验 | 第63-64页 |
| 4.6.3 可疑目标检测与识别实验 | 第64-66页 |
| 4.7 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68页 |
| 5.2 未来工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |