| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 目标表征方法 | 第15-16页 |
| 1.2.2 特征选择方法 | 第16-17页 |
| 1.2.3 目标检测算法 | 第17-19页 |
| 1.2.4 目标跟踪算法 | 第19-20页 |
| 1.2.5 行为识别算法 | 第20-21页 |
| 1.3 论文组织结构 | 第21-24页 |
| 第二章 运动目标跟踪与行为识别算法 | 第24-38页 |
| 2.1 运动目标跟踪算法 | 第24-31页 |
| 2.1.1 传统目标跟踪算法 | 第25-27页 |
| 2.1.2 相关滤波类算法 | 第27-29页 |
| 2.1.3 深度学习类算法 | 第29-30页 |
| 2.1.4 目标跟踪算法性能指标 | 第30-31页 |
| 2.2 行为识别算法 | 第31-35页 |
| 2.2.1 密集轨迹算法 | 第32-33页 |
| 2.2.2 深度学习类算法 | 第33-35页 |
| 2.3 本章小结 | 第35-38页 |
| 第三章 基于神经网络与相关滤波的目标跟踪 | 第38-54页 |
| 3.1 神经网络算法 | 第38-41页 |
| 3.2 卷积神经网络 | 第41-43页 |
| 3.3 基于深度特征与LBP特征融合的相关滤波算法 | 第43-47页 |
| 3.3.1 深度特征 | 第43-44页 |
| 3.3.2 LBP纹理特征 | 第44-45页 |
| 3.3.3 特征自适应融合 | 第45页 |
| 3.3.4 算法设计与实现 | 第45-47页 |
| 3.4 实验设置与结果分析 | 第47-52页 |
| 3.4.1 实验数据 | 第47-48页 |
| 3.4.2 实验结果与分析 | 第48-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于改进密集轨迹和深度学习的行为识别 | 第54-66页 |
| 4.1 基于运动显著性强度的改进密集轨迹 | 第54-56页 |
| 4.2 基于改进密集轨迹的双流卷积网络 | 第56-57页 |
| 4.3 分类器选择 | 第57-61页 |
| 4.3.1 分类问题简介 | 第57-58页 |
| 4.3.2 支持向量机算法 | 第58-60页 |
| 4.3.3 多分类学习策略 | 第60-61页 |
| 4.4 实验设置与结果分析 | 第61-65页 |
| 4.4.1 实验数据 | 第61-62页 |
| 4.4.2 实验结果与分析 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表论文 | 第76页 |