基于二元分类的视频运动目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 视频目标跟踪的难点 | 第12-13页 |
| 1.4 智能视频监控系统简介 | 第13-14页 |
| 1.5 本文主要工作及篇章结构 | 第14-16页 |
| 第二章 视频目标跟踪算法概述 | 第16-25页 |
| 2.1 目标表示方法 | 第16-17页 |
| 2.2 目标特征表示 | 第17-19页 |
| 2.3 目标跟踪算法概述 | 第19-24页 |
| 2.3.1 基于匹配的跟踪 | 第19-21页 |
| 2.3.2 基于滤波的跟踪 | 第21-22页 |
| 2.3.3 基于二元分类的跟踪 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 相关技术 | 第25-34页 |
| 3.1 半监督学习方法 | 第25-28页 |
| 3.1.1 自训练 | 第25-27页 |
| 3.1.2 协同训练 | 第27-28页 |
| 3.2 支持向量机概述 | 第28-33页 |
| 3.2.1 最优超平面和支持向量 | 第28-32页 |
| 3.2.2 在线学习支持向量机 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于二元分类的视频运动目标跟踪算法 | 第34-63页 |
| 4.1 算法流程 | 第34-38页 |
| 4.2 特征表示 | 第38-41页 |
| 4.3 SVM 分类器学习与更新 | 第41-42页 |
| 4.4 遮挡处理 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-62页 |
| 4.5.1 跟踪算法性能评价标准 | 第43-44页 |
| 4.5.2 测试集 | 第44-46页 |
| 4.5.3 各项实验结果与分析 | 第46-62页 |
| 4.6 本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
