基于集成学习的目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 目标跟踪遇到的主要挑战 | 第7-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 目标的外观模型 | 第10-11页 |
| 1.3.2 目标的运动模型 | 第11页 |
| 1.3.3 集成学习算法 | 第11-12页 |
| 1.4 论文的主要工作 | 第12-13页 |
| 1.5 本文的研究内容及章节安排 | 第13-14页 |
| 第二章 集成学习框架下的目标跟踪 | 第14-19页 |
| 2.1 支持向量机简介 | 第14-15页 |
| 2.1.1 基本原理 | 第14页 |
| 2.1.2 常用核函数简介 | 第14-15页 |
| 2.2 核相关滤波器简介 | 第15-16页 |
| 2.2.1 线性回归问题的求解 | 第15-16页 |
| 2.2.2 非线性回归问题的求解 | 第16页 |
| 2.3 集成学习框架下的目标跟踪 | 第16-18页 |
| 2.3.1 Boosting框架 | 第16-17页 |
| 2.3.2 协同训练框架 | 第17-18页 |
| 2.4 实验数据及评价指标 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 集成SVM的目标跟踪算法 | 第19-30页 |
| 3.1 样本的选取 | 第19-21页 |
| 3.2 多核学习框架与SVM的结合 | 第21-22页 |
| 3.3 Boosting筛选集成强分类器 | 第22-23页 |
| 3.4 集成SVM跟踪算法的主要步骤 | 第23-24页 |
| 3.5 实验结果对比和分析 | 第24-29页 |
| 3.5.1 实现细节 | 第25页 |
| 3.5.2 结果和分析 | 第25-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 集成核相关系数滤波器的目标跟踪 | 第30-43页 |
| 4.1 目标跟踪器 | 第30-33页 |
| 4.2 尺度检测器 | 第33-36页 |
| 4.2.1 检测器的构建 | 第33-34页 |
| 4.2.2 特征降维处理 | 第34-36页 |
| 4.3 集成核相关滤波器跟踪算法流程 | 第36-37页 |
| 4.4 实验结果与分析 | 第37-42页 |
| 4.4.1 实现细节 | 第37页 |
| 4.4.2 结果和分析 | 第37-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 结论与展望 | 第43-45页 |
| 5.1 主要结论 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第50页 |
