基于无人机视频巡视系统下的目标检测与跟踪技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 行人检测研究现状 | 第12-14页 |
| 1.2.2 行人跟踪研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 章节安排 | 第16-18页 |
| 第二章 基于深度学习的检测网络设计 | 第18-50页 |
| 2.1 GBVS显著性检测模型 | 第18-26页 |
| 2.1.1 颜色空间的选择 | 第20-21页 |
| 2.1.2 方向特征的改进 | 第21-22页 |
| 2.1.3 特征通道合并方式的改进 | 第22页 |
| 2.1.4 实验结果与分析 | 第22-26页 |
| 2.2 卷积神经网络介绍 | 第26-36页 |
| 2.2.1 卷积神经网络提取特征的原理 | 第28-30页 |
| 2.2.2 卷积神经网络结构 | 第30-32页 |
| 2.2.3 几种重要的激活函数 | 第32-35页 |
| 2.2.4 梯度下降法与误差逆传播 | 第35-36页 |
| 2.3 基于轻量卷积神经网络的检测 | 第36-45页 |
| 2.3.1 基于深度学习的检测 | 第36-38页 |
| 2.3.2 深度可分离的卷积神经网络检测模型 | 第38-41页 |
| 2.3.3 实验结果与分析 | 第41-45页 |
| 2.4 以GBVS显著性检测为先导的深度学习检测 | 第45-49页 |
| 2.4.1 数据与训练 | 第46-47页 |
| 2.4.2 实验结果与分析 | 第47-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第三章 融合多特征的尺度自适应核相关滤波跟踪 | 第50-64页 |
| 3.1 相关滤波跟踪 | 第50-55页 |
| 3.1.1 MOSSE跟踪算法 | 第50-51页 |
| 3.1.2 核相关滤波跟踪算法KCF | 第51-55页 |
| 3.2 融合FHOG特征与颜色直方图的跟踪 | 第55-57页 |
| 3.3 尺度自适应的跟踪 | 第57-59页 |
| 3.4 实验结果与分析 | 第59-63页 |
| 3.4.1 颜色特征选择性能实验 | 第59页 |
| 3.4.2 尺度自适应性能实验 | 第59-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 总结与展望 | 第64-66页 |
| 4.1 总结 | 第64页 |
| 4.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
