基于CSK的目标跟踪稳健算法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景和意义 | 第13-17页 |
| 1.2 目标跟踪算法研究现状 | 第17-22页 |
| 1.2.1 目标跟踪方法分类 | 第17-18页 |
| 1.2.2 基于SVM的目标跟踪方法 | 第18-19页 |
| 1.2.3 基于AdaBoost的目标跟踪方法 | 第19页 |
| 1.2.4 基于随机森林的目标跟踪方法 | 第19-20页 |
| 1.2.5 基于深度学习的目标跟踪方法 | 第20页 |
| 1.2.6 基于相关滤波的目标跟踪方法 | 第20-21页 |
| 1.2.7 CSK跟踪算法 | 第21-22页 |
| 1.3 论文的研究内容与章节安排 | 第22-24页 |
| 第二章 CSK多特征扩展研究 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 图像特征分析 | 第24-37页 |
| 2.2.1 颜色与灰度特征 | 第25-27页 |
| 2.2.2 HOG特征 | 第27-29页 |
| 2.2.3 LBP特征 | 第29-31页 |
| 2.2.4 SIFT特征 | 第31-35页 |
| 2.2.5 Harris角点特征 | 第35-37页 |
| 2.3 基于HOG特征的CSK跟踪算法 | 第37-42页 |
| 2.3.1 基于HOG特征的目标采样 | 第38-39页 |
| 2.3.2 岭回归分析 | 第39-41页 |
| 2.3.3 目标检测 | 第41-42页 |
| 2.4 自适应降维颜色属性跟踪算法 | 第42-45页 |
| 2.4.1 CN特征提取与降维处理 | 第42-44页 |
| 2.4.2 自适应降维跟踪算法 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于预测—校准—更新的目标跟踪稳健算法 | 第46-58页 |
| 3.1 引言 | 第46页 |
| 3.2 基于Kalman滤波器的目标位置预测 | 第46-48页 |
| 3.2.1 Kalman滤波原理 | 第46-47页 |
| 3.2.2 目标位置预测 | 第47-48页 |
| 3.3 中心位置校准与尺度检测 | 第48-53页 |
| 3.3.1 构建金字塔样本集 | 第49-51页 |
| 3.3.2 训练PKCF | 第51-52页 |
| 3.3.3 位置检测与尺度估计 | 第52-53页 |
| 3.4 遮挡处理与模型更新 | 第53-54页 |
| 3.4.1 目标遮挡判断机制 | 第53页 |
| 3.4.2 Kalman滤波器更新 | 第53页 |
| 3.4.3 PKCF更新 | 第53-54页 |
| 3.5 算法流程设计 | 第54-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 实验与分析 | 第58-68页 |
| 4.1 算法预处理 | 第60页 |
| 4.2 评价标准 | 第60-61页 |
| 4.3 与CSK算法对比分析 | 第61-66页 |
| 4.4 算法整体性能评价 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68-69页 |
| 5.2 论文创新点 | 第69页 |
| 5.3 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录A | 第76-77页 |
| 一、攻读硕士学位期间发表的论文目录 | 第76页 |
| 二、攻读硕士学位期间参与科研项目情况 | 第76-77页 |
| 附录B | 第77-79页 |
| B.1 一维特征向量循环移位采样 | 第77页 |
| B.2 傅里叶变换与卷积定理 | 第77-78页 |
| B.3 核函数 | 第78-79页 |
