基于时空域模型的目标跟踪算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关基础知识介绍 | 第17-31页 |
| 2.1 haar-like特征 | 第17-19页 |
| 2.2 多示例学习算法 | 第19-20页 |
| 2.3 boosting算法及其在跟踪中的应用 | 第20-26页 |
| 2.3.1 boosting算法 | 第21-23页 |
| 2.3.2 在线boosting算法 | 第23-24页 |
| 2.3.3 boosting算法用于特征选择 | 第24-25页 |
| 2.3.4 在线boosting算法用于目标跟踪 | 第25-26页 |
| 2.4 BRISK特征提取算法 | 第26-28页 |
| 2.4.1 特征点检测 | 第26-27页 |
| 2.4.2 特征点描述 | 第27-28页 |
| 2.4.3 特征点匹配 | 第28页 |
| 2.5 目标跟踪算法性能评价常用指标 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 平衡正负样本权重的多示例学习跟踪算法 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 多示例学习跟踪算法 | 第31-34页 |
| 3.3 平衡正负样本权重的多示例学习跟踪算法 | 第34-36页 |
| 3.4 实验部分 | 第36-40页 |
| 3.4.1 参数设置 | 第36页 |
| 3.4.2 定性比较 | 第36-38页 |
| 3.4.3 定量评价 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 融合历史模型校正模型漂移 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 融入历史模型 | 第41-44页 |
| 4.3 实验结果与分析 | 第44-48页 |
| 4.3.1 参数设置 | 第44页 |
| 4.3.2 定性比较 | 第44-46页 |
| 4.3.3 定量分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 空间信息辅助目标跟踪 | 第49-61页 |
| 5.1 引言 | 第49页 |
| 5.2 利用空间信息辅助目标跟踪 | 第49-50页 |
| 5.3 估计目标尺寸 | 第50-51页 |
| 5.4 融合时空域的跟踪模型 | 第51-53页 |
| 5.5 实验结果与分析 | 第53-59页 |
| 5.5.1 与第四章算法的对比实验 | 第53-57页 |
| 5.5.2 与其它跟踪算法的对比实验 | 第57-59页 |
| 5.6 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
