| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和价值 | 第11-12页 |
| 1.2 研究现状与本文研究动机 | 第12-16页 |
| 1.2.1 目标追踪的发展历史 | 第12-13页 |
| 1.2.2 目标追踪的研究现状 | 第13-15页 |
| 1.2.3 本文研究动机 | 第15-16页 |
| 1.3 本文研究的主要工作及章节安排 | 第16-19页 |
| 第二章 目标追踪算法及其相关理论 | 第19-31页 |
| 2.1 HAAR-LIKE视觉特征的描述 | 第19-20页 |
| 2.2 在线目标追踪相关理论 | 第20-28页 |
| 2.2.1 P-N学习理论 | 第20-23页 |
| 2.2.2 在线多实例学习理论 | 第23-26页 |
| 2.2.3 基于BOOSTING的在线学习理论 | 第26-28页 |
| 2.3 域适应学习相关理论 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于实例适应的在线目标追踪算法 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 辅助域样本实例的选取 | 第32-34页 |
| 3.3 基于实例适应的在线目标追踪算法 | 第34-39页 |
| 3.3.1 域适应学习的在线目标追踪算法问题形式化定义 | 第34-35页 |
| 3.3.2 基于实例适应在线目标追踪算法的实现 | 第35-39页 |
| 3.4 实验结果与分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于分类器适应的在线目标追踪算法 | 第44-53页 |
| 4.1 引言 | 第44-45页 |
| 4.2 线下分类器的设计与实现 | 第45-48页 |
| 4.2.1 特征类型 | 第45-47页 |
| 4.2.2 线下分类器的描述 | 第47-48页 |
| 4.3 基于分类器适应的在线目标追踪算法 | 第48-50页 |
| 4.3.1 LBP特征类型 | 第48-49页 |
| 4.3.2 分类器的设计 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于视觉字典适应的在线目标追踪算法 | 第53-62页 |
| 5.1 引言 | 第53页 |
| 5.2 线下辅助图片集的描述 | 第53-54页 |
| 5.3 视觉字典的学习 | 第54-55页 |
| 5.4 基于视觉字典适应的目标追踪算法实现 | 第55-58页 |
| 5.4.1 1_2l/_l约束稀疏编码方法 | 第55页 |
| 5.4.2 多尺度MAX-POOLING方法 | 第55-56页 |
| 5.4.3 分类器学习 | 第56-58页 |
| 5.5 实验结果与分析 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 研究工作总结 | 第62-63页 |
| 6.2 将来的研究工作 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻硕期间取得的研究成果 | 第69-70页 |