| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·引言 | 第8-9页 |
| ·目标跟踪研究现状 | 第9-13页 |
| ·目标跟踪的分类 | 第10-11页 |
| ·轮廓跟踪 | 第11-13页 |
| ·目标跟踪难点 | 第13-14页 |
| ·论文研究内容及组织结构 | 第14-16页 |
| 第二章 主动轮廓模型综述 | 第16-25页 |
| ·基本思想 | 第16页 |
| ·参数化主动轮廓模型 | 第16-20页 |
| ·传统Snake模型 | 第16-18页 |
| ·改进的Snake算法 | 第18-20页 |
| ·几何主动轮廓模型 | 第20-24页 |
| ·水平集方法 | 第21页 |
| ·水平集快速算法 | 第21-22页 |
| ·水平集重新初始化 | 第22-23页 |
| ·两个经典的几何轮廓模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 在线学习机制下的Snake轮廓跟踪 | 第25-33页 |
| ·引言 | 第25页 |
| ·离散化Snake模型 | 第25页 |
| ·P-N学习 | 第25-26页 |
| ·在线学习机制下的Snake跟踪模型 | 第26-29页 |
| ·基于在线学习的Snake的外部能量模型 | 第27-28页 |
| ·P-N学习机制下的轮廓跟踪 | 第28-29页 |
| ·实验结果与分析 | 第29-32页 |
| ·总结 | 第32-33页 |
| 第四章在线学习机制下基于几何模糊特征的目标检测及跟踪 | 第33-45页 |
| ·引言 | 第33页 |
| ·基于GB匹配的检测跟踪框架 | 第33-35页 |
| ·基于GB的TLD检测机制 | 第35-39页 |
| ·初级检测 | 第35-36页 |
| ·基于GB特征的精检测 | 第36-39页 |
| ·在线学习整合器 | 第39页 |
| ·整合器评判标准 | 第39页 |
| ·学习器在线更新 | 第39页 |
| ·实验分析和结果 | 第39-44页 |
| ·检测器分析 | 第40-41页 |
| ·跟踪结果分析 | 第41-44页 |
| ·本章总结 | 第44-45页 |
| 第五章 在线回归学习下的轮廓跟踪 | 第45-57页 |
| ·引言 | 第45页 |
| ·整体算法 | 第45-46页 |
| ·在线回归学习下的轮廓置信图 | 第46-49页 |
| ·目标定位特征图 | 第46-47页 |
| ·融合置信图 | 第47-49页 |
| ·轮廓提取以及评价标准 | 第49-51页 |
| ·基于置信图的Level Set轮廓跟踪 | 第49-50页 |
| ·基于置信图的GVF Snake轮廓跟踪 | 第50页 |
| ·轮廓评判标准及修正 | 第50-51页 |
| ·跟踪反馈以及KCF更新 | 第51-52页 |
| ·实验结果与分析 | 第52-56页 |
| ·反馈验证 | 第52页 |
| ·置信图验证 | 第52-53页 |
| ·Level Set和GVF Snake比较 | 第53-54页 |
| ·轮廓跟踪算法比较 | 第54-56页 |
| ·本章总结 | 第56-57页 |
| 主要结论与展望 | 第57-59页 |
| 主要结论 | 第57-58页 |
| 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第64页 |