| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景、现状及意义 | 第16-18页 |
| 1.1.1 研究背景 | 第16页 |
| 1.1.2 研究现状 | 第16-18页 |
| 1.1.3 研究意义 | 第18页 |
| 1.2 研究内容及论文结构安排 | 第18-20页 |
| 1.2.1 研究内容 | 第18页 |
| 1.2.2 论文结构安排 | 第18-20页 |
| 第二章 图像特征提取及目标检测 | 第20-34页 |
| 2.1 传统目标特征 | 第20-22页 |
| 2.1.1 HOG特征设计分析 | 第20页 |
| 2.1.2 旋转不变HOG特征 | 第20-21页 |
| 2.1.3 LBP，Haar与SIFT特征分析 | 第21-22页 |
| 2.2 传统分类方法 | 第22-23页 |
| 2.2.1 支持向量机 | 第22-23页 |
| 2.2.2 Adaboost分类器 | 第23页 |
| 2.3 深度学习特征及分类 | 第23-25页 |
| 2.3.1 人工神经网络基本结构 | 第23-24页 |
| 2.3.2 卷积神经网络 | 第24页 |
| 2.3.3 卷积神经网络特征及分类 | 第24-25页 |
| 2.4 神经网络目标检测 | 第25-28页 |
| 2.4.1 RCNN目标检测 | 第25-26页 |
| 2.4.2 Fast RCNN | 第26页 |
| 2.4.3 Faster RCNN | 第26-28页 |
| 2.4.4 YOLO&SSD | 第28页 |
| 2.5 航拍车辆检测 | 第28-33页 |
| 2.5.2 Tensor Flow平台及目标检测api | 第29页 |
| 2.5.3 基于R-FCN的航拍车辆检测 | 第29-31页 |
| 2.5.4 R-FCN检测精度分析 | 第31-32页 |
| 2.5.5 目标检测精度对比 | 第32-33页 |
| 2.6 本章总结 | 第33-34页 |
| 第三章 目标跟踪算法 | 第34-42页 |
| 3.1 基于颜色的目标跟踪 | 第34-35页 |
| 3.1.1 背景减除和均方误差匹配 | 第34页 |
| 3.1.2 Meanshift和camshift跟踪 | 第34-35页 |
| 3.2 特征点匹配跟踪 | 第35-36页 |
| 3.2.1 光流法 | 第35页 |
| 3.2.2 SIFT特征点法 | 第35-36页 |
| 3.3 相关滤波目标跟踪 | 第36-40页 |
| 3.3.1 MOSSE定制滤波器 | 第36-37页 |
| 3.3.2 KCF核相关滤波 | 第37-40页 |
| 3.3.3 MOSSE与KCF异同点 | 第40页 |
| 3.4 深度学习特征目标跟踪 | 第40-41页 |
| 3.5 本章总结 | 第41-42页 |
| 第四章 基于方向检测的航拍车辆跟踪 | 第42-50页 |
| 4.1 航拍车辆跟踪的难点 | 第42-43页 |
| 4.1.1 车辆旋转影响分析 | 第42-43页 |
| 4.1.2 跟踪质量判断 | 第43页 |
| 4.2 车辆旋转问题解决方法 | 第43-48页 |
| 4.2.1 基于旋转不变特征的跟踪 | 第43-44页 |
| 4.2.2 基于车辆方向检测的跟踪 | 第44-46页 |
| 4.2.3 方向检测效果分析 | 第46-48页 |
| 4.2.4 方向检测算法拓展 | 第48页 |
| 4.3 方向检测对跟踪的影响 | 第48-49页 |
| 4.4 本章总结 | 第49-50页 |
| 第五章 航拍车辆目标检测、方向检测及跟踪演示系统 | 第50-56页 |
| 5.1 车辆目标、方向属性检测系统 | 第50-51页 |
| 5.1.1 Tensor Flow多计算图运行 | 第50页 |
| 5.1.2 演示系统搭建 | 第50-51页 |
| 5.2 车辆目标检测、方向检测及跟踪系统 | 第51-54页 |
| 5.2.1 方向检测与跟踪结合方式 | 第51-52页 |
| 5.2.2 演示系统搭建 | 第52-54页 |
| 5.2.3 方向检测与跟踪交互方法探讨 | 第54页 |
| 5.3 本章总结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |