基于权重关联与环境自适应的目标跟踪算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 目标跟踪的主要挑战 | 第11-12页 |
| 1.4 论文的主要研究内容及章节安排 | 第12-15页 |
| 1.4.1 论文的主要研究内容 | 第12页 |
| 1.4.2 论文章节安排 | 第12-15页 |
| 第2章 目标跟踪相关理论介绍 | 第15-23页 |
| 2.1 视觉目标跟踪基础理论 | 第15-16页 |
| 2.1.1 视觉目标跟踪基础框架 | 第15页 |
| 2.1.2 跟踪效果的评价标准 | 第15-16页 |
| 2.2 深度图像特点及获取 | 第16-19页 |
| 2.2.1 深度图像的特点 | 第16-17页 |
| 2.2.2 深度图像的获取 | 第17-19页 |
| 2.3 基于时空上下文的跟踪技术 | 第19-21页 |
| 2.4 核相关滤波器技术 | 第21-22页 |
| 2.5 本章小节 | 第22-23页 |
| 第3章 基于深度信息的权重关联的跟踪算法 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 遮挡检测机制 | 第23-25页 |
| 3.3 权重关联模型 | 第25-26页 |
| 3.4 分类器的自适应更新 | 第26-27页 |
| 3.5 跟踪结果分析 | 第27-29页 |
| 3.6 本章小节 | 第29-35页 |
| 第4章 环境自适应的跟踪算法 | 第35-49页 |
| 4.1 引言 | 第35-36页 |
| 4.2 可靠块跟踪算法 | 第36-37页 |
| 4.3 完整目标区域提取 | 第37-42页 |
| 4.3.1 基于超像素的纯净目标区域的提取 | 第37-39页 |
| 4.3.2 目标和背景的似然函数 | 第39-41页 |
| 4.3.3 超像素种子的分类 | 第41-42页 |
| 4.4 跟踪目标的表观表示 | 第42-43页 |
| 4.5 跟踪结果分析 | 第43-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 未解决问题及工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参与科研情况说明 | 第55-57页 |
| 致谢 | 第57页 |
