| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 生成式 | 第12-13页 |
| 1.2.2 判别式 | 第13-16页 |
| 1.3 研究内容及结构 | 第16-17页 |
| 2 目标特征描述模型 | 第17-25页 |
| 2.1 颜色特征模型 | 第17-19页 |
| 2.2 纹理特征模型 | 第19-21页 |
| 2.3 Hog特征 | 第21-25页 |
| 3 联合协方差特征矩的时空上下文的鲁棒视觉跟踪算法 | 第25-42页 |
| 3.1 引言 | 第25-26页 |
| 3.2 Mean-Shift基本理论 | 第26-30页 |
| 3.3 STC算法 | 第30-34页 |
| 3.3.1 上下文先验概率模型 | 第31页 |
| 3.3.2 空间上下文模型 | 第31-32页 |
| 3.3.3 置信图 | 第32页 |
| 3.3.4 快速学习空间上下文模型 | 第32-33页 |
| 3.3.5 结果置信值 | 第33-34页 |
| 3.4 目标尺度估计 | 第34-38页 |
| 3.5 算法步骤 | 第38页 |
| 3.6 实验结果与分析 | 第38-41页 |
| 3.7 结论 | 第41-42页 |
| 4 融合显著度时空上下文的超像素跟踪算法 | 第42-67页 |
| 4.1 引言 | 第42-45页 |
| 4.2 超像素 | 第45-46页 |
| 4.3 相关性显著度 | 第46-52页 |
| 4.3.1 基于区域协方差的超像素生成 | 第47-48页 |
| 4.3.2 基于超像素的显著度 | 第48-49页 |
| 4.3.3 运动相关性 | 第49-52页 |
| 4.4 融合显著度时空上下文的超像素跟踪算法 | 第52-56页 |
| 4.4.1 超像素级置信图 | 第52页 |
| 4.4.2 基于超像素的上下文先验概率模型 | 第52-53页 |
| 4.4.3 融合相关性显著度的空间上下文模型 | 第53页 |
| 4.4.4 改进型LBP算法 | 第53-55页 |
| 4.4.5 更新时空上下文模型 | 第55-56页 |
| 4.5 目标尺度变换 | 第56-57页 |
| 4.6 LPF自适应运动预测 | 第57-61页 |
| 4.7 实验结果及分析 | 第61-66页 |
| 4.7.1 光照变化及复杂背景 | 第62-63页 |
| 4.7.2 低分辨率及快速运动 | 第63-64页 |
| 4.7.3 目标遮挡、旋转及尺度变化 | 第64-66页 |
| 4.8 结论 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |