| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 视觉目标跟踪算法的研究现状 | 第12-18页 |
| 1.2.1 视觉目标跟踪算法的分类 | 第13-14页 |
| 1.2.2 基于深度学习的目标跟踪算法 | 第14-16页 |
| 1.2.3 基于多模态数据的目标跟踪算法 | 第16-17页 |
| 1.2.4 基于相关滤波器的目标跟踪算法 | 第17-18页 |
| 1.3 现有方法的不足 | 第18-19页 |
| 1.4 论文创新点 | 第19页 |
| 1.5 论文组织框架 | 第19-22页 |
| 第二章 基于多模态数据和卷积神经网络的目标跟踪算法 | 第22-42页 |
| 2.1 相关工作 | 第22-23页 |
| 2.2 本章算法概述 | 第23-24页 |
| 2.3 基于多层卷积特征图预测目标位置 | 第24-29页 |
| 2.4 基于多尺度金字塔模型估计目标尺寸 | 第29-31页 |
| 2.5 实验结果分析 | 第31-40页 |
| 2.5.1 数据集 | 第31-33页 |
| 2.5.2 评价指标 | 第33-34页 |
| 2.5.3 对比方法 | 第34页 |
| 2.5.4 实验结果分析 | 第34-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 基于多模态数据和全卷积双流网络的目标跟踪算法 | 第42-56页 |
| 3.1 相关工作 | 第42-43页 |
| 3.2 本章算法概述 | 第43-44页 |
| 3.3 离线训练全卷积双流网络 | 第44-48页 |
| 3.3.1 全卷积双流网络的结构 | 第45-46页 |
| 3.3.2 构建训练数据集 | 第46-47页 |
| 3.3.3 离线训练全卷积双流网络 | 第47-48页 |
| 3.4 在线目标跟踪 | 第48-49页 |
| 3.4.1 基于全卷积双流网络预测目标位置 | 第48页 |
| 3.4.2 基于多尺度金字塔模型估计目标尺寸 | 第48-49页 |
| 3.5 实验结果分析 | 第49-54页 |
| 3.5.1 数据集,评价指标和对比算法 | 第49-50页 |
| 3.5.2 实验结果分析 | 第50-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第四章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第62页 |