基于距离度量学习的目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究意义与背景 | 第8-9页 |
| 1.2 研究现状及技术 | 第9-14页 |
| 1.2.1 运动模型 | 第10页 |
| 1.2.2 特征提取 | 第10-12页 |
| 1.2.3 观测模型 | 第12-13页 |
| 1.2.4 模型更新 | 第13页 |
| 1.2.5 技术难点 | 第13-14页 |
| 2 相关算法介绍 | 第14-18页 |
| 2.1 距离度量学习 | 第14-16页 |
| 2.1.1 全局监督距离度量学习 | 第14-15页 |
| 2.1.2 局部监督距离度量学习 | 第15-16页 |
| 2.2 哈希算法 | 第16页 |
| 2.3 本文工作与结构 | 第16-18页 |
| 2.3.1 本文主要工作与创新点 | 第16-17页 |
| 2.3.2 本文结构 | 第17-18页 |
| 3 基于融合距离度量学习的目标跟踪 | 第18-33页 |
| 3.1 算法动机及框架 | 第18页 |
| 3.2 基于随机游走的相似度计算方法 | 第18-21页 |
| 3.3 基于交叉降噪的相似度融合 | 第21页 |
| 3.4 外观模型和距离度量方法 | 第21-24页 |
| 3.4.1 外观模型方法 | 第21-22页 |
| 3.4.2 距离度量方法 | 第22-24页 |
| 3.5 基于负样本选择的预处理 | 第24-26页 |
| 3.6 目标跟踪 | 第26-27页 |
| 3.7 实验分析 | 第27-33页 |
| 3.7.1 定性分析 | 第30-32页 |
| 3.7.2 定量分析 | 第32页 |
| 3.7.3 融合方法的有效性验证 | 第32-33页 |
| 4 利用联合学习哈希编码和距离度量的目标跟踪 | 第33-49页 |
| 4.1 算法动机及框架 | 第33页 |
| 4.2 谱哈希 | 第33-34页 |
| 4.3 联合学习哈希编码和距离度量 | 第34-36页 |
| 4.4 求解 | 第36-38页 |
| 4.4.1 固定变量M | 第36-37页 |
| 4.4.2 固定变量Y | 第37-38页 |
| 4.5 目标跟踪 | 第38-40页 |
| 4.5.1 训练阶段 | 第38-39页 |
| 4.5.2 跟踪阶段 | 第39-40页 |
| 4.6 实验分析 | 第40-49页 |
| 4.6.1 定量分析 | 第41-44页 |
| 4.6.2 定性分析 | 第44-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |
