基于卷积神经网络的目标跟踪算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 任务分类与难点 | 第12-14页 |
| 1.3.1 任务分类 | 第12-13页 |
| 1.3.2 目标跟踪的难点 | 第13-14页 |
| 1.4 本文主要工作及内容安排 | 第14-16页 |
| 第2章 目标跟踪方法介绍 | 第16-24页 |
| 2.1 目标表示 | 第16-17页 |
| 2.2 目标特征选取 | 第17-19页 |
| 2.3 目标跟踪方法介绍 | 第19-23页 |
| 2.3.1 基于点的目标跟踪 | 第20-21页 |
| 2.3.2 基于核的目标跟踪 | 第21-22页 |
| 2.3.3 基于轮廓的跟踪 | 第22-23页 |
| 2.4 小结 | 第23-24页 |
| 第3章 基于卷积神经网络特征提取 | 第24-38页 |
| 3.1 人工神经网络 | 第24-28页 |
| 3.1.1 感知器单元 | 第24-26页 |
| 3.1.2 多层前馈网络和 BP 算法 | 第26-28页 |
| 3.2 卷积神经网络 | 第28-33页 |
| 3.2.1 卷积神经网络结构 | 第29-30页 |
| 3.2.2 权值共享 | 第30-31页 |
| 3.2.3 空间降采样 | 第31-32页 |
| 3.2.4 卷积神经网络中反向传播算法 | 第32-33页 |
| 3.3 基于卷积神经网络训练结构特征实验 | 第33-37页 |
| 3.3.1 卷积网络结构 | 第34-35页 |
| 3.3.2 训练数据集 | 第35页 |
| 3.3.3 实验结果分析 | 第35-37页 |
| 3.4 小结 | 第37-38页 |
| 第4章 基于卷积神经网络的目标跟踪方法 | 第38-50页 |
| 4.1 粒子滤波框架 | 第38-39页 |
| 4.2 卷积神经网络结构 | 第39-40页 |
| 4.3 基于卷积神经网络和粒子滤波框架的跟踪方法 | 第40-42页 |
| 4.4 实验设计与结果分析 | 第42-49页 |
| 4.4.1 离线训练集 | 第42页 |
| 4.4.2 跟踪算法参数设置 | 第42页 |
| 4.4.3 评价准则 | 第42-43页 |
| 4.4.4 实验结果与分析 | 第43-49页 |
| 4.5 小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-51页 |
| 5.1 本文总结 | 第50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简介 | 第53-54页 |
| 致谢 | 第54页 |
