基于时空上下文的目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外目标跟踪算法研究现状 | 第11-14页 |
| 1.3 目标跟踪中的技术难点 | 第14-15页 |
| 1.4 本文主要研究工作 | 第15-17页 |
| 1.5 论文内容安排 | 第17-18页 |
| 第2章 运动目标跟踪算法理论基础 | 第18-29页 |
| 2.1 目标跟踪算法的数学理论支持 | 第18-19页 |
| 2.2 目标跟踪系统的组成和理解 | 第19-21页 |
| 2.2.1 目标跟踪系统的模块解析 | 第19-20页 |
| 2.2.2 目标跟踪系统的模块运动流程 | 第20-21页 |
| 2.3 当前主流跟踪算法分类 | 第21-26页 |
| 2.3.1 基于生成式的目标跟踪算法 | 第21-22页 |
| 2.3.2 基于判别式的目标跟踪算法 | 第22-24页 |
| 2.3.3 基于深度学习的目标跟踪算法 | 第24-26页 |
| 2.4 目标跟踪的特征提取 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于时空上下文的尺度自适应目标跟踪算法 | 第29-50页 |
| 3.1 基于时空上下文算法原理与框图 | 第30-35页 |
| 3.1.1 目标跟踪问题公式化表示 | 第30-31页 |
| 3.1.2 目标模型的建立 | 第31-34页 |
| 3.1.3 目标模型的更新 | 第34页 |
| 3.1.4 算法步骤描述 | 第34-35页 |
| 3.2 基于相关滤波的目标跟踪 | 第35-39页 |
| 3.2.1 目标跟踪问题公式化表示 | 第36-38页 |
| 3.2.2 滤波器在线更新 | 第38页 |
| 3.2.3 算法步骤的描述 | 第38-39页 |
| 3.3 多尺度的目标跟踪策略 | 第39-49页 |
| 3.3.1 对尺度做优化的原因 | 第39-40页 |
| 3.3.2 尺度空间－图像金字塔 | 第40-41页 |
| 3.3.3 多尺度的目标跟踪算法(SASTC) | 第41-45页 |
| 3.3.4 特征的选取 | 第45-48页 |
| 3.3.5 算法实现的细节处理 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 实验与性能分析 | 第50-64页 |
| 4.1 算法参数的设置 | 第50页 |
| 4.2 目标跟踪算法的评估 | 第50-53页 |
| 4.2.1 跟踪性能评估平台 | 第50-52页 |
| 4.2.2 性能评价指标 | 第52-53页 |
| 4.3 实验结果与性能分析 | 第53-63页 |
| 4.3.1 应用不同特征的性能比较 | 第53-55页 |
| 4.3.2 综合性能比较 | 第55-57页 |
| 4.3.3 复杂背景下的算法有效性分析 | 第57-63页 |
| 4.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71页 |
