| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景和意义啊 | 第11-12页 |
| 1.2 在线跟踪算法的研究现状 | 第12-19页 |
| 1.2.1 特征表达 | 第12-14页 |
| 1.2.2 表观模型构建方式 | 第14-17页 |
| 1.2.3 运动模型建模 | 第17页 |
| 1.2.4 模型更新策略 | 第17-18页 |
| 1.2.5 目标跟踪任务面临的挑战 | 第18-19页 |
| 1.3 研究目标和内容 | 第19-20页 |
| 1.4 论文架构 | 第20-23页 |
| 第2章 相关滤波与网络结构基础 | 第23-31页 |
| 2.1 相关滤波方法 | 第23-28页 |
| 2.1.1 相关滤波算法的流程 | 第23-24页 |
| 2.1.2 线性相关滤波的工作原理 | 第24-25页 |
| 2.1.3 核相关滤波 | 第25-28页 |
| 2.2 网络结构 | 第28-31页 |
| 2.2.1 空间变换网络 | 第28-29页 |
| 2.2.2 孪生网络 | 第29-31页 |
| 第3章 基于前景感知的时空相关滤波跟踪算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 空间正则化相关滤波跟踪算法 | 第31-32页 |
| 3.3 基于前景感知的时空相关滤波跟踪算法 | 第32-44页 |
| 3.3.1 基于前景感知的时间一致性模型 | 第32-33页 |
| 3.3.2 前景感知滤波器模板的学习 | 第33-35页 |
| 3.3.3 优化方法 | 第35-36页 |
| 3.3.4 重检测 | 第36-38页 |
| 3.3.5 算法流程 | 第38-39页 |
| 3.3.6 实验结果与分析 | 第39-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 基于图像变化感知学习的时空相关滤波跟踪 | 第45-63页 |
| 4.1 引言 | 第45-48页 |
| 4.2 基于图像变化感知学习的时空相关滤波跟踪 | 第48-54页 |
| 4.2.1 基于图像变化感知学习的时空相关滤波跟踪算法原理概述 | 第48-50页 |
| 4.2.2 图像变换感知学习模块 | 第50-51页 |
| 4.2.3. 相关滤波网络模块 | 第51-53页 |
| 4.2.4. 基于图像变换感知网络的端到端跟踪器的在线训练与跟踪 | 第53-54页 |
| 4.3 实验结果和分析 | 第54-61页 |
| 4.3.1 参数设置 | 第54-55页 |
| 4.3.2 网络及训练方法有效性验证 | 第55-56页 |
| 4.3.3 定量评估 | 第56-58页 |
| 4.3.4 定性评估 | 第58-59页 |
| 4.3.5 与孪生网络方法的比较 | 第59-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第73页 |