| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本论文的结构安排 | 第14-15页 |
| 第二章 基础理论和相关技术 | 第15-34页 |
| 2.1 目标跟踪的主要流程 | 第15-16页 |
| 2.2 基于相关滤波的跟踪算法 | 第16-19页 |
| 2.2.1 MOSSE算法 | 第16-17页 |
| 2.2.2 CSK、KCF算法 | 第17-19页 |
| 2.3 基于CNN的目标检测定位算法 | 第19-27页 |
| 2.3.1 R-CNN | 第21-24页 |
| 2.3.2 YOLO | 第24-27页 |
| 2.4 特征提取相关技术 | 第27-33页 |
| 2.4.1 积分图 | 第27-28页 |
| 2.4.2 CN特征 | 第28-29页 |
| 2.4.3 FHOG特征 | 第29-31页 |
| 2.4.4 快速构建特征金字塔 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 改进的相关滤波目标跟踪算法 | 第34-56页 |
| 3.1 改进核化相关滤波算法 | 第34-41页 |
| 3.1.1 基于多特征融合的改进 | 第35-37页 |
| 3.1.2 多尺度的改进 | 第37-40页 |
| 3.1.3 学习策略的改进 | 第40-41页 |
| 3.2 算法设计与实现 | 第41-44页 |
| 3.3 实验及结果分析 | 第44-54页 |
| 3.3.1 跟踪算法的评价标准 | 第44-46页 |
| 3.3.2 实验设计 | 第46-48页 |
| 3.3.3 实验结果及分析 | 第48-54页 |
| 3.4 本章小结 | 第54-56页 |
| 第四章 一种相关滤波长期目标跟踪算法 | 第56-73页 |
| 4.1 一种长期跟踪算法结构 | 第56-57页 |
| 4.2 基于YOLO网络和相关滤波的长期目标跟踪 | 第57-61页 |
| 4.2.1 基于YOLO网络特征的目标跟踪 | 第57-59页 |
| 4.2.2 基于YOLO网络候选区域生成的尺度估计 | 第59-60页 |
| 4.2.3 基于YOLO网络和相关滤波的重检测 | 第60-61页 |
| 4.3 算法设计与实现 | 第61-66页 |
| 4.3.1 YOLO网络训练 | 第61-63页 |
| 4.3.2 跟踪流程 | 第63-66页 |
| 4.4 实验及结果分析 | 第66-72页 |
| 4.4.1 实验设计 | 第66页 |
| 4.4.2 实验结果及分析 | 第66-70页 |
| 4.4.3 同类研究成果对比 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 目标跟踪系统的实现 | 第73-87页 |
| 5.1 系统需求 | 第73页 |
| 5.2 系统设计 | 第73-79页 |
| 5.2.1 架构设计 | 第73-74页 |
| 5.2.2 系统模块 | 第74-75页 |
| 5.2.3 系统流程 | 第75-79页 |
| 5.3 系统实现 | 第79-83页 |
| 5.3.1 算法和预警 | 第79-81页 |
| 5.3.2 数据库 | 第81-82页 |
| 5.3.3 视频接入 | 第82-83页 |
| 5.4 系统测试 | 第83-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第六章 全文总结与展望 | 第87-89页 |
| 6.1 全文总结 | 第87-88页 |
| 6.2 后续工作展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 攻读硕士学位期间取得的成果 | 第93-94页 |