| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究内容 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-12页 |
| 1.3.1 目标定位 | 第9-10页 |
| 1.3.2 目标跟踪 | 第10页 |
| 1.3.3 人脸关键点定位 | 第10-12页 |
| 1.4 主要困难 | 第12页 |
| 1.5 论文的主要内容及章节安排 | 第12-14页 |
| 第二章 基于向量BOOSTING的压缩感知目标跟踪 | 第14-33页 |
| 2.1 压缩感知跟踪框架 | 第14-15页 |
| 2.2 自适应的压缩感知跟踪 | 第15-20页 |
| 2.2.1 算法框架 | 第15-16页 |
| 2.2.2 在线向量Boosting的特征选择 | 第16-19页 |
| 2.2.3 在线模板更新 | 第19页 |
| 2.2.4 在线轨迹矫正 | 第19-20页 |
| 2.2.5 尺度自适应 | 第20页 |
| 2.3 实验 | 第20-32页 |
| 2.3.1 设置 | 第20-22页 |
| 2.3.2 定量分析 | 第22-27页 |
| 2.3.3 定性分析 | 第27-30页 |
| 2.3.4 分模块比较 | 第30-31页 |
| 2.3.5 参数分析 | 第31-32页 |
| 2.4 本章总结 | 第32-33页 |
| 第三章 结合姿态跟踪的实时人脸形状定位 | 第33-50页 |
| 3.1 级联回归框架 | 第33-34页 |
| 3.2 基于姿态的级联回归 | 第34-41页 |
| 3.2.1 算法框架 | 第34-36页 |
| 3.2.2 人脸检测 | 第36页 |
| 3.2.3 基于姿态的级联回归 | 第36-38页 |
| 3.2.4 姿态跟踪 | 第38-40页 |
| 3.2.5 重新初始化 | 第40-41页 |
| 3.3 实验 | 第41-49页 |
| 3.3.1 设置 | 第41-43页 |
| 3.3.2 静态数据集的结果 | 第43-45页 |
| 3.3.3 视频数据集的结果 | 第45-49页 |
| 3.4 本章总结 | 第49-50页 |
| 第四章 基于深度卷积网络的通用视频目标定位 | 第50-61页 |
| 4.1 算法框架 | 第50-55页 |
| 4.1.1 基于多尺度级联分类回归网络的目标定位 | 第50-52页 |
| 4.1.2 时序上的区域建议 | 第52-54页 |
| 4.1.3 上下文推理 | 第54-55页 |
| 4.2 实验 | 第55-60页 |
| 4.3 本章总结 | 第60-61页 |
| 第五章 结论和展望 | 第61-63页 |
| 5.1 本文的工作内容及创新之处 | 第61-62页 |
| 5.2 今后工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 攻读硕士期间完成的科研情况 | 第71-72页 |