复杂背景下的视频运动目标跟踪算法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩略语对照表 | 第14-16页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 研究与发展现状 | 第17-23页 |
| 1.2.1 目标跟踪算法研究现状 | 第18-22页 |
| 1.2.2 目标检测算法研究现状 | 第22-23页 |
| 1.3 研究内容与论文结构安排 | 第23-26页 |
| 第2章 相关基础理论 | 第26-46页 |
| 2.1 ORB算法 | 第26-29页 |
| 2.1.1 FAST特征点提取 | 第26-27页 |
| 2.1.2 特征点的方向 | 第27-28页 |
| 2.1.3 特征点描述子 | 第28-29页 |
| 2.2 Lucas-Kanade光流跟踪法 | 第29-30页 |
| 2.3 卷积神经网络技术 | 第30-38页 |
| 2.3.1 卷积神经网络 | 第30-34页 |
| 2.3.2 卷积神经网络的经典模型AlexNet | 第34-38页 |
| 2.4 空间金字塔池化 | 第38-39页 |
| 2.5 基于候选区域的深度学习目标检测算法 | 第39-42页 |
| 2.6 常用的检测和跟踪数据库 | 第42-45页 |
| 2.6.1 OTB数据库 | 第42页 |
| 2.6.2 ALOV300++ | 第42-44页 |
| 2.6.3 ImageNet | 第44页 |
| 2.6.4 VOT数据库 | 第44-45页 |
| 2.7 本章小结 | 第45-46页 |
| 第3章 基于有效特征点的运动目标匹配跟踪算法 | 第46-56页 |
| 3.1 算法原理 | 第46-48页 |
| 3.2 基于马尔科夫模型的检测区域预估 | 第48-49页 |
| 3.2.1 马尔科夫方向预测 | 第48-49页 |
| 3.2.2 检测区域预估算法 | 第49页 |
| 3.3 有效目标点的选取 | 第49-51页 |
| 3.4 实验结果及分析 | 第51-55页 |
| 3.4.1 实验环境及测试数据说明 | 第51-52页 |
| 3.4.2 算法评价标准 | 第52-53页 |
| 3.4.3 实验结果及分析 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于伪孪生网络的视频目标跟踪算法 | 第56-70页 |
| 4.1 算法原理 | 第56-58页 |
| 4.2 网络的输入 | 第58-60页 |
| 4.3 目标的候选区域 | 第60-61页 |
| 4.4 损失函数的构造 | 第61-62页 |
| 4.5 实验环境与实验设计 | 第62-63页 |
| 4.6 实验结果分析 | 第63-68页 |
| 4.6.1 实验结果的定性分析 | 第63-66页 |
| 4.6.2 实验结果的定量分析 | 第66-68页 |
| 4.7 本章小结 | 第68-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 本文工作总结 | 第70-71页 |
| 5.2 研究工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第78页 |
