基于判别特征回归的子模优化跟踪算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 跟踪技术难点 | 第12-14页 |
| 1.3 相关工作介绍 | 第14-18页 |
| 1.3.1 生成式跟踪方法 | 第14-16页 |
| 1.3.2 判别式跟踪方法 | 第16-18页 |
| 1.4 本文的主要创新点和贡献 | 第18页 |
| 1.5 本文的组织结构 | 第18-20页 |
| 2 理论基础 | 第20-29页 |
| 2.1 贝叶斯理论框架 | 第20-22页 |
| 2.2 超像素 | 第22-24页 |
| 2.2.1 超像素的优势 | 第23页 |
| 2.2.2 超像素的生成方法 | 第23-24页 |
| 2.3 支持向量回归 | 第24-27页 |
| 2.4 子模 | 第27页 |
| 2.5 流形排序 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 算法介绍 | 第29-41页 |
| 3.1 算法思想概述 | 第29-32页 |
| 3.2 特征提取和回归 | 第32-34页 |
| 3.3 子模置信值估测 | 第34-37页 |
| 3.4 置信值排序 | 第37-38页 |
| 3.5 观测模型和运动模型 | 第38-39页 |
| 3.6 更新策略 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 4 实验结果和分析 | 第41-53页 |
| 4.1 实验配置 | 第41-42页 |
| 4.2 实验结果对比 | 第42-51页 |
| 4.2.1 和其他跟踪方法的定量对比 | 第42-45页 |
| 4.2.2 跟踪中常见的影响因素下的定性对比 | 第45-51页 |
| 4.3 实验结果分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
