摘要 | 第5-6页 |
ABSTRAC | 第6-7页 |
符号对照表 | 第11-12页 |
缩略语对照表 | 第12-17页 |
第一章 绪论 | 第17-25页 |
1.1 研究背景和意义 | 第17-19页 |
1.2 国内外研究现状 | 第19-23页 |
1.2.1 视觉目标跟踪技术研究现状 | 第19-22页 |
1.2.2 TLD目标跟踪算法研究现状 | 第22-23页 |
1.3 论文主要研究内容和章节安排 | 第23-25页 |
1.3.1 论文研究内容 | 第23页 |
1.3.2 论文章节安排 | 第23-25页 |
第二章 TLD目标跟踪算法的实现和分析 | 第25-41页 |
2.1 TLD算法 | 第25-34页 |
2.1.1 TLD算法概述 | 第25-26页 |
2.1.2 跟踪模块 | 第26-28页 |
2.1.3 检测模块 | 第28-32页 |
2.1.4 学习模块 | 第32-34页 |
2.2 TLD算法在嵌入式平台上的实现 | 第34-39页 |
2.2.1 基于ARM架构的嵌入式处理器 | 第34-35页 |
2.2.2 基于ARM处理器的目标跟踪系统 | 第35-37页 |
2.2.3 TLD算法在RK3399平台上的实现 | 第37-39页 |
2.3 TLD算法的实时性分析 | 第39-40页 |
2.4 本章小结 | 第40-41页 |
第三章 基于ARM架构的并行化技术 | 第41-59页 |
3.1 嵌入式多核处理器 | 第41-44页 |
3.2 并行编程原理 | 第44-47页 |
3.2.1 基于多核处理器的并行化 | 第44-46页 |
3.2.2 并行化评价方法 | 第46-47页 |
3.3 基于OPENMP的多核并行技术 | 第47-48页 |
3.4 NEON多媒体加速引擎 | 第48-53页 |
3.4.1 NEON技术概述 | 第48-49页 |
3.4.2 NEON寄存器和指令集 | 第49-52页 |
3.4.3 使用NEON进行加速优化的方法 | 第52-53页 |
3.5 基于NEON的NCC算法加速优化 | 第53-58页 |
3.5.1 NCC模板匹配算法 | 第53-54页 |
3.5.2 基于NEON的NCC加速优化 | 第54-58页 |
3.6 本章小结 | 第58-59页 |
第四章 TLD目标跟踪算法在ARM平台上的加速优化 | 第59-71页 |
4.1 检测模块的加速优化 | 第59-64页 |
4.1.1 检测器待选框的控制 | 第59-61页 |
4.1.2 随机蕨分类器的并行加速 | 第61-63页 |
4.1.3 最近邻分类器中模板匹配的加速 | 第63-64页 |
4.2 基于模板更新机制的在线样本库更新优化 | 第64-65页 |
4.3 基于FAST角点+GMS筛选机制的光流跟踪器 | 第65-69页 |
4.3.1 FAST角点 | 第65-66页 |
4.3.2 GMS特征点筛选机制 | 第66-68页 |
4.3.3 基于FAST角点+GMS机制的光流跟踪器 | 第68-69页 |
4.4 本章小结 | 第69-71页 |
第五章 优化结果和性能分析 | 第71-81页 |
5.1 NCC加速效果分析 | 第71页 |
5.2 检测器优化结果分析 | 第71-72页 |
5.2.1 检测器扫描框优化结果分析 | 第71-72页 |
5.2.2 随机蕨分类器并行化结果 | 第72页 |
5.3 算法长时间跟踪的实时性分析 | 第72-73页 |
5.4 检测器整体优化结果分析 | 第73-74页 |
5.5 跟踪器性能分析 | 第74-77页 |
5.5.1 FAST角点的提取 | 第74页 |
5.5.2 基于GMS机制筛选跟踪点 | 第74-76页 |
5.5.3 基于FAST角点+GMS机制的光流法跟踪器性能分析 | 第76-77页 |
5.6 系统整体性能分析 | 第77-79页 |
5.7 本章小结 | 第79-81页 |
第六章 总结与展望 | 第81-83页 |
6.1 工作总结 | 第81页 |
6.2 未来展望 | 第81-83页 |
参考文献 | 第83-89页 |
致谢 | 第89-91页 |
作者简介 | 第91-92页 |
1 基本情况 | 第91页 |
2 教育背景 | 第91页 |
3 攻读硕士学位期间的研究成果 | 第91-92页 |
3.1 申请(授权)专利 | 第91页 |
3.2 参与科研项目及获奖 | 第91-92页 |