| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 跟踪领域中面临的主要问题 | 第9-11页 |
| 1.2.1 目标自身因素 | 第9-10页 |
| 1.2.2 外界干扰因素 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-18页 |
| 1.3.1 视觉目标跟踪研究现状 | 第12-16页 |
| 1.3.2 基于图像集的物体识别和分类研究现状 | 第16-17页 |
| 1.3.3 发展动态分析及小结 | 第17-18页 |
| 1.4 本文探索的两种技术方案 | 第18-19页 |
| 1.5 本论文的组织及各章节的关联 | 第19-20页 |
| 第2章 基于图像集和核偏最小二乘（KPLSR）的目标跟踪算法研究 | 第20-40页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于图像集的目标特征提取 | 第21-26页 |
| 2.2.1 将图像集作为特征提取的基本单位 | 第21-24页 |
| 2.2.2 背景负例的多类别处理 | 第24-25页 |
| 2.2.3 提取图像集的协方差特征 | 第25-26页 |
| 2.3 基于核偏最小二乘的目标建模 | 第26-32页 |
| 2.3.1 偏最小二乘回归 | 第26-30页 |
| 2.3.2 构造协方差特征的黎曼核 | 第30-31页 |
| 2.3.3 基于核偏最小二乘的目标建模 | 第31-32页 |
| 2.4 测试与更新策略 | 第32-34页 |
| 2.4.1 以图像集为测试基本单位 | 第32-33页 |
| 2.4.2 二级模型更新策略 | 第33-34页 |
| 2.5 跟踪算法总体流程 | 第34-35页 |
| 2.6 实验结果 | 第35-39页 |
| 2.6.1 实验环境配置 | 第35页 |
| 2.6.2 定性评价 | 第35-36页 |
| 2.6.3 定量评价 | 第36-39页 |
| 2.7 小结 | 第39-40页 |
| 第3章 基于图像集和高阶偏最小二乘（HOPLS）的目标跟踪算法研究 | 第40-59页 |
| 3.1 引言 | 第40-41页 |
| 3.2 使用时序图像集进行编码 | 第41-42页 |
| 3.3 高阶偏最小二乘法（HOPLS） | 第42-49页 |
| 3.3.1 张量的相关知识 | 第42-45页 |
| 3.3.2 高阶张量的偏最小二乘法 | 第45-49页 |
| 3.4 融合时序集和高阶偏最小二乘法的目标预测 | 第49-52页 |
| 3.4.1 基于时序模型的高阶偏最小二乘算法 | 第49-52页 |
| 3.4.2 使用回归系数的目标预测 | 第52页 |
| 3.5 目标模型的更新 | 第52-53页 |
| 3.6 跟踪算法总体流程 | 第53-54页 |
| 3.7 实验结果 | 第54-58页 |
| 3.7.1 实验环境配置 | 第54页 |
| 3.7.2 定性评价 | 第54-56页 |
| 3.7.3 定量评价 | 第56-58页 |
| 3.8 小结 | 第58-59页 |
| 第4章 结论 | 第59-61页 |
| 4.1 研究总结 | 第59-60页 |
| 4.2 未来的工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68页 |