| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 视觉跟踪系统国内外发展现状 | 第12-13页 |
| 1.2.2 视觉跟踪算法研究现状 | 第13-15页 |
| 1.3 论文的研究的内容及组织结构 | 第15-16页 |
| 2 TLD算法 | 第16-22页 |
| 2.1 TLD基本框架 | 第16页 |
| 2.2 算法工作原理 | 第16-20页 |
| 2.2.1 跟踪器 | 第16-18页 |
| 2.2.2 检测器 | 第18-19页 |
| 2.2.3 学习模块 | 第19页 |
| 2.2.4 综合模块 | 第19-20页 |
| 2.3 TLD算法跟踪性能分析 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于TLD与LBP融合的目标跟踪方法 | 第22-41页 |
| 3.1 LBP算法简介 | 第22-25页 |
| 3.1.1 传统LBP算法 | 第22-23页 |
| 3.1.2 旋转不变性LBP算法 | 第23-24页 |
| 3.1.3 均匀模式LBP算法 | 第24-25页 |
| 3.2 基于均匀模式LBP与TLD融合的跟踪算法 | 第25-31页 |
| 3.2.1 判别模块 | 第25-27页 |
| 3.2.2 样本获取 | 第27-29页 |
| 3.2.3 分类器工作原理 | 第29-30页 |
| 3.2.4 分类器的学习过程 | 第30-31页 |
| 3.3 传统LBP与TLD融合的跟踪算法 | 第31-32页 |
| 3.4 实验结果及分析 | 第32-40页 |
| 3.4.1 光照变化场景下的实验 | 第32-35页 |
| 3.4.2 综合场景下的实验 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 卡尔曼滤波器与TLD_ULBP算法的融合 | 第41-59页 |
| 4.1 卡尔曼滤波器基本原理 | 第41-43页 |
| 4.2 卡尔曼滤波与TLD_ULBP算法的融合 | 第43-49页 |
| 4.2.1 卡尔曼滤波跟踪原理 | 第43-44页 |
| 4.2.2 时间优化 | 第44-46页 |
| 4.2.3 跟踪结果优化 | 第46-48页 |
| 4.2.4 算法流程总结 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-58页 |
| 4.3.1 卡尔曼滤波器对TLD_ULBP算法时间性的改善 | 第49-53页 |
| 4.3.2 卡尔曼滤波器对TLD_ULBP算法跟踪结果的改善 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 结论与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 图索引 | 第64-65页 |
| 表索引 | 第65-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |