基于优化集成学习与空间相关滤波的视觉目标跟踪
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 生成式在线学习方法 | 第15-16页 |
| 1.2.2 判别式在线学习方法 | 第16-17页 |
| 1.3 本文主要内容和章节安排 | 第17-20页 |
| 1.3.1 主要内容 | 第17-18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第二章 相关基础理论介绍 | 第20-30页 |
| 2.1 在线集成学习算法 | 第20-22页 |
| 2.1.1 Boosting算法 | 第20-21页 |
| 2.1.2 在线Boosting算法 | 第21-22页 |
| 2.2 支持向量机算法 | 第22-23页 |
| 2.3 相关滤波方法 | 第23-30页 |
| 2.3.1 MOSSE | 第25-26页 |
| 2.3.2 KCF | 第26-30页 |
| 第三章 基于逻辑回归的集成学习跟踪 | 第30-36页 |
| 3.1 引言 | 第30页 |
| 3.2 逻辑回归分类器 | 第30-31页 |
| 3.3 弱分类器 | 第31页 |
| 3.4 逻辑回归集成学习框架 | 第31-33页 |
| 3.5 实验结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 自适应目标响应的长时相关滤波跟踪 | 第36-44页 |
| 4.1 引言 | 第36-37页 |
| 4.1.1 多尺度相关滤波器 | 第36页 |
| 4.1.2 长时跟踪方法 | 第36-37页 |
| 4.2 算法框架 | 第37页 |
| 4.3 位移滤波器 | 第37-40页 |
| 4.3.1 自适应目标响应滤波器 | 第38-39页 |
| 4.3.2 构造标签先验 | 第39页 |
| 4.3.3 目标检测 | 第39-40页 |
| 4.4 尺度滤波器 | 第40-41页 |
| 4.5 SVM检测器 | 第41页 |
| 4.6 实验结果与分析 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 结构化输出的相关滤波跟踪 | 第44-50页 |
| 5.1 引言 | 第44页 |
| 5.2 有限边界的相关滤波器 | 第44-47页 |
| 5.3 对于有限边界滤波器的改进 | 第47-48页 |
| 5.4 实验结果与分析 | 第48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 本文工作总结 | 第50页 |
| 6.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |
