| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论与技术概述 | 第16-26页 |
| 2.1 基于分布场的目标跟踪 | 第16-18页 |
| 2.1.1 分布场目标表示简介 | 第16-17页 |
| 2.1.2 分布场目标跟踪算法 | 第17-18页 |
| 2.2 基于多示例学习的目标跟踪 | 第18-24页 |
| 2.2.1 多示例学习简介 | 第18-19页 |
| 2.2.2 在线 Boosting 算法简介 | 第19-20页 |
| 2.2.3 Haar-like 特征简介 | 第20-22页 |
| 2.2.4 多示例学习目标跟踪算法 | 第22-24页 |
| 2.3 分布场与多示例学习目标跟踪算法比较 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 加权分布场目标跟踪算法 | 第26-33页 |
| 3.1 基于加权分布场的目标跟踪 | 第26-28页 |
| 3.1.1 基于相关系数的模板匹配算法简介 | 第26-27页 |
| 3.1.2 加权分布场目标跟踪算法 | 第27-28页 |
| 3.2 实验结果与分析 | 第28-32页 |
| 3.2.1 参数设置 | 第28-29页 |
| 3.2.2 定量分析 | 第29-30页 |
| 3.2.3 定性分析 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 多通道 Haar-like 特征多示例学习目标跟踪算法 | 第33-39页 |
| 4.1 基于多通道 Haar-like 特征的多示例学习目标跟踪 | 第33-35页 |
| 4.1.1 多通道 Haar-like 特征目标表示简介 | 第33-34页 |
| 4.1.2 动态更换判别力最弱的 Haar-like 特征 | 第34-35页 |
| 4.2 实验结果与分析 | 第35-37页 |
| 4.2.1 参数设置 | 第35-36页 |
| 4.2.2 定量分析 | 第36页 |
| 4.2.3 定性分析 | 第36-37页 |
| 4.3 两种改进的目标跟踪算法比较 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-40页 |
| 5.1 总结 | 第39页 |
| 5.2 展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44-45页 |
| 作者简介 | 第45页 |
