基于KCF和视觉注意的多特征动态融合视觉目标跟踪研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 目标跟踪面临的难点 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 传统跟踪算法 | 第12-13页 |
| 1.3.2 基于相关滤波跟踪算法 | 第13-14页 |
| 1.3.3 基于深度学习跟踪方法 | 第14-15页 |
| 1.4 论文主要工作及结构安排 | 第15-17页 |
| 1.4.1 论文主要工作 | 第15-16页 |
| 1.4.2 论文结构安排 | 第16-17页 |
| 第2章 KCF视觉跟踪理论 | 第17-23页 |
| 2.1 样本构造 | 第17-18页 |
| 2.2 训练分类器 | 第18-20页 |
| 2.3 样本检测 | 第20-21页 |
| 2.4 更新分类器 | 第21页 |
| 2.5 KCF算法步骤 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 多特征融合目标跟踪 | 第23-38页 |
| 3.1 目标特征 | 第23-25页 |
| 3.1.1 方向梯度直方图(HOG) | 第23-24页 |
| 3.1.2 颜色名称(CN) | 第24页 |
| 3.1.3 颜色直方图 | 第24-25页 |
| 3.2 KCF算法存在的不足 | 第25-26页 |
| 3.3 跟踪策略 | 第26-30页 |
| 3.3.1 局部特征融合 | 第26-27页 |
| 3.3.2 颜色直方图跟踪 | 第27-28页 |
| 3.3.3 尺度自适应策略 | 第28-30页 |
| 3.4 多特征融合算法 | 第30-31页 |
| 3.5 实验与分析 | 第31-37页 |
| 3.5.1 评价指标 | 第33页 |
| 3.5.2 定量比较分析 | 第33-34页 |
| 3.5.3 定性比较分析 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 自适应动态分配特征置信度 | 第38-48页 |
| 4.1 多特征融合跟踪存在的不足 | 第38-39页 |
| 4.1.1 样本构造 | 第38-39页 |
| 4.1.2 特征权重对性能的影响 | 第39页 |
| 4.2 基于二次打分动态分配特征置信度 | 第39-41页 |
| 4.3 实验与分析 | 第41-47页 |
| 4.3.1 定量比较分析 | 第41-43页 |
| 4.3.2 定性比较分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于视觉注意的目标跟踪 | 第48-59页 |
| 5.1 视觉注意和图像增强 | 第48-49页 |
| 5.2 改进颜色直方图跟踪 | 第49-50页 |
| 5.3 实验与分析 | 第50-58页 |
| 5.3.1 定量比较分析 | 第50-51页 |
| 5.3.2 定性比较分析 | 第51-55页 |
| 5.3.3 算法鲁棒性实验 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
