| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 生成式在线学习方法 | 第16-17页 |
| 1.2.2 判别式在线学习方法 | 第17-18页 |
| 1.3 主要内容和章节 | 第18-20页 |
| 1.3.1 主要内容 | 第18-19页 |
| 1.3.2 章节安排 | 第19-20页 |
| 第二章 相关理论基础介绍 | 第20-32页 |
| 2.1 相关滤波方法 | 第20-26页 |
| 2.1.1 最小平方误差和输出滤波器(MOSSE) | 第22-23页 |
| 2.1.2 核相关滤波器(KCF) | 第23-26页 |
| 2.2 粒子滤波 | 第26-27页 |
| 2.3 图像颜色特征 | 第27-32页 |
| 2.3.1 HOG特征 | 第29页 |
| 2.3.2 深度特征 | 第29-32页 |
| 第三章 基于观测似然模型的目标跟踪 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 蒙特卡罗框架 | 第32-34页 |
| 3.3 跟踪观测似然 | 第34-35页 |
| 3.4 目标邻近区域观测似然 | 第35-36页 |
| 3.5 目标位置预测 | 第36-37页 |
| 3.6 实验结果与分析 | 第37-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于深度特征的自适应相关滤波跟踪 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 算法框架 | 第42-48页 |
| 4.2.1 深度卷积特征 | 第42-44页 |
| 4.2.2 基跟踪器 | 第44-46页 |
| 4.2.3 权值更新 | 第46-48页 |
| 4.3 实验结果与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于多尺度的相关滤波跟踪算法 | 第52-63页 |
| 5.1 引言 | 第52页 |
| 5.2 多尺度特征 | 第52-58页 |
| 5.2.1 高斯滤波 | 第52-57页 |
| 5.2.2 多尺度空间 | 第57-58页 |
| 5.3 目标预测 | 第58-59页 |
| 5.4 实验结果与分析 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |