| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 第2章 基于相关滤波器的目标跟踪算法 | 第19-34页 |
| 2.1 相关滤波器的原理及应用 | 第19-20页 |
| 2.2 KCF的原理 | 第20-25页 |
| 2.2.1 循环密集采样 | 第21-22页 |
| 2.2.2 KRLS分类器训练 | 第22-24页 |
| 2.2.3 快速检测 | 第24页 |
| 2.2.4 模型更新 | 第24-25页 |
| 2.3 多特征融合的目标跟踪算法 | 第25-29页 |
| 2.3.1 HOG特征 | 第25-26页 |
| 2.3.2 CN颜色特征 | 第26-27页 |
| 2.3.3 多特征响应融合 | 第27-29页 |
| 2.4 实验结果 | 第29-33页 |
| 2.4.1 实验环境及参数 | 第29页 |
| 2.4.2 性能评估 | 第29页 |
| 2.4.3 实验结果及分析 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于Lucas-Kanade光流法的自适应尺度估计 | 第34-45页 |
| 3.1 基于Lucas-Kanade光流的TLD目标跟踪算法 | 第34-37页 |
| 3.1.1 Lucas-Kanade光流法 | 第34-36页 |
| 3.1.2 光流的前向-后向误差策略 | 第36-37页 |
| 3.2 改进的多尺度目标跟踪算法 | 第37-40页 |
| 3.2.1 TLD中的尺度估计分析 | 第37-38页 |
| 3.2.2 改进的尺度估计算法 | 第38-40页 |
| 3.3 实验结果 | 第40-44页 |
| 3.3.1 实验环境及参数 | 第40页 |
| 3.3.2 实验结果及分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于随机蕨丛在线检测的目标跟踪算法 | 第45-58页 |
| 4.1 随机森林算法 | 第45-47页 |
| 4.1.1 决策树 | 第45-46页 |
| 4.1.2 随机森林算法 | 第46-47页 |
| 4.2 随机蕨丛算法 | 第47-50页 |
| 4.2.1 基于图像块的 2Bit-LBP特征 | 第47-48页 |
| 4.2.2 组合特征表达 | 第48-49页 |
| 4.2.3 分类器训练 | 第49-50页 |
| 4.3 基于随机蕨丛的重检测 | 第50-52页 |
| 4.4 实验结果 | 第52-57页 |
| 4.4.1 实验环境及参数 | 第52页 |
| 4.4.2 实验结果及分析 | 第52-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 运动目标检测与跟踪系统的设计与实现 | 第58-64页 |
| 5.1 系统流程设计 | 第58-59页 |
| 5.2 系统功能模块设计 | 第59-60页 |
| 5.3 运动目标检测与跟踪系统的实现 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 结论与未来工作展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |