| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 概述 | 第11页 |
| 1.2 目标检测与跟踪技术的研究意义 | 第11-12页 |
| 1.3 研究现状分析及问题难点 | 第12-17页 |
| 1.3.1 研究现状 | 第12-16页 |
| 1.3.2 主要的研究难点 | 第16-17页 |
| 1.4 论文的主要研究内容及创新点 | 第17-18页 |
| 1.4.1 本文的主要研究内容 | 第17页 |
| 1.4.2 论文的主要创新点 | 第17-18页 |
| 1.5 论文的结构安排 | 第18-19页 |
| 第二章 特征提取相关理论与方法 | 第19-43页 |
| 2.1 特征点的提取 | 第19-20页 |
| 2.2 特征提取的一般准则 | 第20-21页 |
| 2.3 几种经典和特征提取方法 | 第21-24页 |
| 2.3.1 Moravec角点 | 第21-22页 |
| 2.3.2 Harris角点 | 第22-24页 |
| 2.3 SIFT特征 | 第24-33页 |
| 2.3.1 构造特征空间 | 第25-27页 |
| 2.3.2 局部极值点 | 第27页 |
| 2.3.3 特征点定位 | 第27-29页 |
| 2.3.4 特征点的方向 | 第29-30页 |
| 2.3.5 生成SIFT特征描述子 | 第30-32页 |
| 2.3.6 SIFT特征匹配 | 第32-33页 |
| 2.4 SUR特征 | 第33-40页 |
| 2.4.1 SURF特征提取步骤 | 第33-39页 |
| 2.4.2 SURF特征匹配 | 第39-40页 |
| 2.5 SIFT特征与SURF特征的比较 | 第40-41页 |
| 2.6 特征性能分析 | 第41-42页 |
| 2.7 小结 | 第42-43页 |
| 第三章 SURF特征在目标跟踪算法中的应用 | 第43-51页 |
| 3.1 机器学习概述 | 第43-44页 |
| 3.2 Adaboost(提升算法) | 第44-46页 |
| 3.2.1 Adaboost的训练过程 | 第44-46页 |
| 3.3 HOG和支持向量机 | 第46-50页 |
| 3.3.1 Histogram of Oriented Gradient(HOG)特征 | 第46-47页 |
| 3.3.2 支持向量机 | 第47-50页 |
| 3.4 SURF特征的应用 | 第50-51页 |
| 第四章 Mean-shift目标跟踪算法 | 第51-59页 |
| 4.1 Mean-shift目标跟踪算法 | 第51-58页 |
| 4.1.1 Mean-shift理论 | 第51-58页 |
| 4.2 传统Mean-siftft目标跟踪算法的缺陷 | 第58-59页 |
| 第五章 基于SURF特征的Mean-shift目标跟踪算法 | 第59-74页 |
| 5.1 目标窗口尺度自适应 | 第59-61页 |
| 5.2 抗噪的处理方法 | 第61-62页 |
| 5.3 初始点的选取 | 第62-63页 |
| 5.4 算法步骤 | 第63页 |
| 5.5 实验分析 | 第63-73页 |
| 5.5.1 选取目标区域 | 第64页 |
| 5.5.2 提取当前帧的SURF特征 | 第64-65页 |
| 5.5.3 匹配目标模板与当前帧的SURF特征 | 第65-68页 |
| 5.5.4 计算目标实际窗口大小、初始迭代点 | 第68页 |
| 5.5.5 实验结果 | 第68-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第六章 总结和展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| IV - 2答辩委员会对论文的评阅意见 | 第81页 |
