| 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11-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.1.1 智能视频监控 | 第15-16页 |
| 1.1.2 人机交互 | 第16页 |
| 1.1.3 机器人视觉导航 | 第16-17页 |
| 1.1.4 虚拟现实 | 第17页 |
| 1.1.5 医学诊断 | 第17页 |
| 1.2 目标跟踪的研究现状 | 第17-21页 |
| 1.2.1 运动目标检测 | 第18-19页 |
| 1.2.2 运动目标跟踪 | 第19-21页 |
| 1.2.3 目标跟踪的数学模型 | 第21页 |
| 1.3 视觉跟踪的难点 | 第21-22页 |
| 1.3.1 鲁棒性 | 第22页 |
| 1.3.2 准确性 | 第22页 |
| 1.3.3 快速性 | 第22页 |
| 1.4 论文的主要内容与章节安排 | 第22-25页 |
| 第二章 基于核相关滤波器跟踪的相关技术 | 第25-41页 |
| 2.1 概述 | 第25-27页 |
| 2.2 主流跟踪算法的相关技术 | 第27-32页 |
| 2.2.1 相关滤波器跟踪 | 第27-29页 |
| 2.2.2 CSK跟踪器 | 第29-31页 |
| 2.2.3 CN跟踪器 | 第31-32页 |
| 2.3 KCF跟踪算法 | 第32-37页 |
| 2.3.1 最小二乘分类器 | 第33页 |
| 2.3.2 循环矩阵 | 第33-34页 |
| 2.3.3 利用循环矩阵的最小二乘分类器 | 第34-35页 |
| 2.3.4 非线性回归的核相关滤波器 | 第35页 |
| 2.3.5 核相关滤波器的响应 | 第35-37页 |
| 2.4 MOSSE类与KCF类跟踪器的对比 | 第37页 |
| 2.5 CSK类与KCF类跟踪器的对比 | 第37-38页 |
| 2.6 本章小结 | 第38-41页 |
| 第三章 采用核相关滤波器的多尺度自适应跟踪算法研究 | 第41-65页 |
| 3.1 运动目标特征描述 | 第41-43页 |
| 3.1.1 纹理特征 | 第42页 |
| 3.1.2 颜色特征 | 第42页 |
| 3.1.3 空间关系特征 | 第42页 |
| 3.1.4 形状特征 | 第42-43页 |
| 3.2 运动目标模板匹配 | 第43-44页 |
| 3.2.1 基于特征的匹配算法 | 第43页 |
| 3.2.2 基于灰度的匹配算法 | 第43-44页 |
| 3.3 基于SIFT的运动目标跟踪方法 | 第44-59页 |
| 3.3.1 SIFT特征匹配算法 | 第44-49页 |
| 3.3.2 HOG特征匹配算法 | 第49-51页 |
| 3.3.3 改进的SIFT特征匹配算法 | 第51-56页 |
| 3.3.4 特征检测方式的选择 | 第56-59页 |
| 3.4 采用核相关滤波器的多尺度自适应跟踪算法 | 第59-63页 |
| 3.4.1 基于SIFT特征的自适应跟踪算法流程 | 第59-61页 |
| 3.4.2 SKCF跟踪算法系统框架 | 第61-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 实验结果与分析 | 第65-77页 |
| 4.1 实验设置 | 第65页 |
| 4.1.1 实验环境 | 第65页 |
| 4.1.2 参数设置 | 第65页 |
| 4.2 数据库 | 第65-66页 |
| 4.3 评价方法 | 第66-68页 |
| 4.3.1 中心差 | 第66-67页 |
| 4.3.2 成功率 | 第67-68页 |
| 4.4 与其它算法的比较结果 | 第68-74页 |
| 4.4.1 定量分析 | 第68-69页 |
| 4.4.2 定性分析 | 第69-74页 |
| 4.5 本章小结 | 第74-77页 |
| 第五章 结论与展望 | 第77-79页 |
| 5.1 研究结论 | 第77-78页 |
| 5.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |