首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于KCF的目标跟踪算法改进及GPU系统实现

摘要第5-6页
ABSTRACT第6页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-22页
    1.1 研究背景和意义第16页
    1.2 研究现状第16-19页
        1.2.1 视频跟踪的研究现状第16-17页
        1.2.2 特征算子的研究现状第17-19页
    1.3 本文研究工作第19-20页
    1.4 本文的结构安排第20-22页
第二章 KCF目标跟踪算法第22-34页
    2.1 引言第22-23页
    2.2 FHOG特征第23-28页
        2.2.1 HOG特征第23-25页
        2.2.2 FHOG特征第25-28页
    2.3 循环矩阵第28-29页
    2.4 岭回归第29-30页
    2.5 核函数第30-32页
    2.6 快速检测第32页
    2.7 核相关计算第32-33页
    2.8 本章小结第33-34页
第三章 KCF算法优化第34-54页
    3.1 引言第34页
    3.2 特征优化第34-46页
        3.2.1 问题分析第34页
        3.2.2 改进算法第34-40页
        3.2.3 实验测试第40-46页
    3.3 尺度优化第46-52页
        3.3.1 问题分析第46页
        3.3.2 改进算法第46-48页
        3.3.3 实验测试第48-52页
    3.4 本章小结第52-54页
第四章 基于GPU的高速目标跟踪系统第54-74页
    4.1 引言第54页
    4.2 KCF并行性分析第54-60页
    4.3 GPU加速KCF算法第60-72页
        4.3.1 初始化第60-61页
        4.3.2 FHOG特征的实现第61-66页
        4.3.3 傅里叶变换第66-67页
        4.3.4 核相关计算第67-70页
        4.3.5 其他模块加速第70-72页
    4.4 本章小结第72-74页
第五章 系统测试及性能分析第74-102页
    5.1 系统搭建第74-76页
    5.2 实验环境及测试方案第76-78页
        5.2.1 测试序列第76-77页
        5.2.2 实验环境第77-78页
        5.2.3 时间测试方法第78页
    5.3 测试结果和分析第78-100页
        5.3.1 提取特征第78-85页
        5.3.2 傅里叶变换第85页
        5.3.3 核相关计算第85-88页
        5.3.4 模型参数更新第88-89页
        5.3.5 快速检测第89-90页
        5.3.6 获取图像块第90-91页
        5.3.7 KCF帧速第91-98页
        5.3.8 KCF时延第98-99页
        5.3.9 自建场景下的测试第99-100页
    5.4 本章小结第100-102页
第六章 总结与展望第102-104页
    6.1 研究工作总结第102-103页
    6.2 未来工作展望第103-104页
参考文献第104-108页
致谢第108-110页
作者简介第110-111页

论文共111页,点击 下载论文
上一篇:基于深度学习的图像超分辨率重建技术研究
下一篇:基于FPGA的多通道SATA接口设计与实现