首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于TLD的粒子群目标跟踪理论与应用技术研究

摘要第5-8页
Abstract第8-12页
第1章 绪论第20-30页
    1.1 课题研究背景及意义第20-23页
    1.2 相关领域的研究现状第23-27页
        1.2.1 目标跟踪的研究现状第23-25页
        1.2.2 粒子群算法的研究现状第25-26页
        1.2.3 TLD算法的研究现状第26-27页
    1.3 本文主要研究内容及章节安排第27-30页
第2章 目标跟踪系统基础理论第30-44页
    2.1 目标跟踪系统组成第30-31页
    2.2 常用目标跟踪算法第31-36页
        2.2.1 边缘跟踪第31-32页
        2.2.2 峰值跟踪第32页
        2.2.3 Mean-shift跟踪第32-33页
        2.2.4 粒子滤波跟踪第33-34页
        2.2.5 匹配跟踪第34-36页
    2.3 基于匹配跟踪算法的结构化组成第36-41页
        2.3.1 目标特征提取与相似性度量第36-41页
        2.3.2 相似性函数优化第41页
    2.4 本章小结第41-44页
第3章 颜色特征与HOG特征融合的目标跟踪算法第44-56页
    3.1 颜色特征与HOG特征融合第44-50页
        3.1.1 目标的颜色特征第44-46页
        3.1.2 目标的HOG特征第46-49页
        3.1.3 颜色特征与HOG特征融合第49-50页
    3.2 目标相似性度量第50-51页
    3.3 实验结果与分析第51-55页
    3.4 本章小结第55-56页
第4章 基于特征融合的粒子群优化目标跟踪算法第56-76页
    4.1 粒子群算法第56-67页
        4.1.1 粒子群算法的数学模型第56-57页
        4.1.2 粒子群算法的流程与实现第57-58页
        4.1.3 粒子群算法的收敛性与参数选择第58-63页
        4.1.4 粒子群算法与其他智能算法的比较第63-67页
    4.2 基于多特征融合的粒子群优化目标跟踪算法第67-70页
        4.2.1 粒子群算法参数选择第67-68页
        4.2.2 基于多特征融合的粒子群优化目标跟踪算法流程第68-70页
    4.3 实验结果与分析第70-73页
    4.4 本章小结第73-76页
第5章 改进的粒子群优化目标跟踪算法第76-92页
    5.1 粒子群算法中惯性权重调节机制存在的局限性第76-78页
    5.2 改进的粒子群优化目标跟踪第78-80页
        5.2.1 改进的粒子群优化方法第78-79页
        5.2.2 改进的粒子群优化目标跟踪流程第79-80页
    5.3 改进的粒子群优化目标跟踪算法实验结果与分析第80-90页
        5.3.1 改进跟踪算法定性分析第80-85页
        5.3.2 改进跟踪算法定量分析第85-89页
        5.3.3 改进前后跟踪算法运算效率比较第89-90页
    5.4 本章小结第90-92页
第6章 基于TLD模型的粒子群优化目标跟踪算法第92-134页
    6.1 Tracking-Learning-Detection跟踪模型第92-103页
        6.1.1 TLD模型的跟踪模块第94-98页
        6.1.2 TLD模型的检测模块第98-101页
        6.1.3 TLD模型的学习模块第101-103页
    6.2 基于TLD模型的粒子群目标跟踪算法的检测模块第103页
    6.3 基于TLD模型的粒子群目标跟踪算法的检测模块第103-108页
        6.3.1 TLD 算法分类器的局限性第103-104页
        6.3.2 自适应调节方差阈值的分类器第104-105页
        6.3.3 实验结果与分析第105-108页
    6.4 基于TLD模型的粒子群目标跟踪算法的学习模块第108-117页
        6.4.1 TLD算法在线样本更新问题第109-111页
        6.4.2 引入样本删除机制的学习模块第111-115页
        6.4.3 实验结果与分析第115-117页
    6.5 基于TLD模型的粒子群目标跟踪算法流程第117-119页
    6.6 基于TLD模型的粒子群目标跟踪算法实验结果与分析第119-132页
        6.6.1 改进跟踪算法定性分析第119-129页
        6.6.2 改进跟踪算法定量分析第129-132页
    6.7 本章小结第132-134页
第7章 总结与展望第134-138页
    7.1 全文工作总结第134-135页
    7.2 论文主要创新点第135-136页
    7.3 研究展望第136-138页
参考文献第138-152页
致谢第152-154页
作者简历及攻读学位期间发表的学术论文与研究成果第154-155页

论文共155页,点击 下载论文
上一篇:基于深度卷积神经网络的光学遥感目标检测技术研究
下一篇:基于张量的多光谱图像云检测与在轨实时处理研究