| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于上下文的跟踪算法研究现状 | 第12-14页 |
| 1.2.2 基于颜色的跟踪算法研究现状 | 第14-15页 |
| 1.3 本文的研究问题 | 第15-16页 |
| 1.4 论文内容安排 | 第16-18页 |
| 第2章 背景知识 | 第18-30页 |
| 2.1 视频目标跟踪系统原理及基本流程 | 第18-20页 |
| 2.2 视频目标跟踪系统的要求 | 第20-22页 |
| 2.3 常用的视频目标跟踪方法 | 第22-24页 |
| 2.3.1 基于特征的目标跟踪算法 | 第22-23页 |
| 2.3.2 基于模型的目标跟踪算法 | 第23页 |
| 2.3.3 基于区域的目标跟踪算法 | 第23-24页 |
| 2.4 相关性滤波目标跟踪算法 | 第24-28页 |
| 2.4.1 相关性滤波 | 第24-25页 |
| 2.4.2 相关性滤波跟踪的跟踪原理 | 第25-26页 |
| 2.4.3 相关性滤波在目标跟踪的发展 | 第26-28页 |
| 2.4.4 相关性滤波跟踪优势 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于上下文信息和颜色信息融合的目标跟踪算法 | 第30-48页 |
| 3.1 算法基本思想概述 | 第31-35页 |
| 3.1.1 算法的基本思想及框架 | 第31-32页 |
| 3.1.2 算法步骤描述 | 第32-35页 |
| 3.2 基于时空上下文信息的跟踪算法 | 第35-43页 |
| 3.2.1 上下文先验模型的构建 | 第36-37页 |
| 3.2.2 置信图 | 第37-38页 |
| 3.2.3 快速学习空间上下文模型 | 第38-40页 |
| 3.2.4 目标跟踪实现 | 第40页 |
| 3.2.5 时空上下文模型更新 | 第40-41页 |
| 3.2.6 跟踪实验效果分析 | 第41-43页 |
| 3.2.7 本节小结 | 第43页 |
| 3.3 颜色属性 | 第43-45页 |
| 3.3.1 CN颜色属性特征 | 第44-45页 |
| 3.3.2 CN和CN_2颜色属性特征对比 | 第45页 |
| 3.4 基于上下文和颜色信息融合的跟踪算法 | 第45-47页 |
| 3.4.1 上下文和颜色外观先验模型 | 第45-46页 |
| 3.4.2 新的置信图 | 第46页 |
| 3.4.3 两种信息融合的快速跟踪 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 实验结果与分析 | 第48-56页 |
| 4.1 测试序列 | 第48-49页 |
| 4.2 算法实现细节 | 第49-50页 |
| 4.3 实验结果及性能分析 | 第50-52页 |
| 4.3.1 性能评价指标 | 第50-51页 |
| 4.3.2 算法性能结果比较 | 第51-52页 |
| 4.4 复杂情况下的算法有效性 | 第52-55页 |
| 4.4.1 遮挡情况下的实验结果与分析 | 第52-53页 |
| 4.4.2 表观变化时的实验结果与分析 | 第53页 |
| 4.4.3 目标运动突兀情形下的实验结果与分析 | 第53-55页 |
| 4.5 算法的讨论 | 第55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的研究成果 | 第63-65页 |