基于像素点特征学习的目标跟踪算法
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究目的和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 第二章 目标跟踪算法的理论基础 | 第14-26页 |
| 2.1 感知机 | 第14-18页 |
| 2.1.1 感知机模型 | 第14页 |
| 2.1.2 感知机的学习策略 | 第14-15页 |
| 2.1.3 感知机学习算法的原始形式 | 第15-16页 |
| 2.1.4 感知机学习算法的收敛性 | 第16-18页 |
| 2.1.5 感知机学习算法的对偶形式 | 第18页 |
| 2.2 Adaboost提升算法 | 第18-20页 |
| 2.3 均值漂移算法 | 第20页 |
| 2.4 目标跟踪算法的性能评价 | 第20-26页 |
| 2.4.1 常用的测试数据集 | 第21页 |
| 2.4.2 精度和鲁棒性的评价算法 | 第21-23页 |
| 2.4.3 期望平均重叠率 | 第23-24页 |
| 2.4.4 实用性差异和等效滤波操作 | 第24-26页 |
| 第三章 基于像素点特征学习的目标跟踪算法 | 第26-37页 |
| 3.1 跟踪算法的基本原理 | 第26-27页 |
| 3.2 初始化阶段 | 第27-34页 |
| 3.2.1 基于像素点特征学习的多感知机模型 | 第27-28页 |
| 3.2.2 灰度统计直方图模型 | 第28-29页 |
| 3.2.3 像素点筛选实验结果与分析 | 第29-34页 |
| 3.3 跟踪阶段 | 第34-37页 |
| 3.3.1 基于直方图特征的均值漂移算法 | 第34-36页 |
| 3.3.2 尺度估计和模型更新 | 第36-37页 |
| 第四章 实验结果与分析 | 第37-42页 |
| 4.1 像素点分类实验 | 第37-39页 |
| 4.2 跟踪实验 | 第39-42页 |
| 第五章 总结和展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 发表论文和科研情况说明 | 第48-49页 |
| 致谢 | 第49页 |
