| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外相关研究的发展与现状 | 第18-22页 |
| 1.3 面临的挑战 | 第22-24页 |
| 1.4 本文的研究内容及创新点 | 第24-26页 |
| 1.5 本文的内容结构安排 | 第26-28页 |
| 第二章 预备知识 | 第28-46页 |
| 2.1 目标检测 | 第28-33页 |
| 2.1.1 目标检测面临的挑战 | 第28-29页 |
| 2.1.2 静态图像目标检测方法 | 第29-30页 |
| 2.1.3 视频图像目标检测方法 | 第30-33页 |
| 2.2 目标表示 | 第33-38页 |
| 2.2.1 目标静态属性表示方法分类 | 第33-35页 |
| 2.2.2 几种常用的静态属性描述 | 第35-37页 |
| 2.2.3 目标动态属性描述 | 第37-38页 |
| 2.3 分类器 | 第38-41页 |
| 2.3.1 分类器的类型 | 第38-39页 |
| 2.3.2 相似度度量 | 第39-40页 |
| 2.3.3 几种常用分类器 | 第40-41页 |
| 2.4 目标跟踪 | 第41-45页 |
| 2.4.1 目标跟踪的一般过程及本质 | 第41-43页 |
| 2.4.2 目标跟踪方法的分类 | 第43页 |
| 2.4.3 一种典型的目标跟踪方法 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于单样本的自主在线的目标特征学习及更新算法 | 第46-66页 |
| 3.1 引言 | 第46-48页 |
| 3.2 算法FLUA | 第48-61页 |
| 3.2.1 算法简述 | 第48-50页 |
| 3.2.2 目标特征数据库的组织结构及其初始化 | 第50-53页 |
| 3.2.3 目标的识别跟踪 | 第53-59页 |
| 3.2.4 目标特征的学习更新 | 第59-61页 |
| 3.3 算法的验证与分析 | 第61-64页 |
| 3.3.1 目标设置 | 第61页 |
| 3.3.2 参数设置 | 第61-62页 |
| 3.3.3 结果及分析 | 第62-64页 |
| 3.4 本章小结 | 第64-66页 |
| 第四章 视频中基于人体模糊跟踪的人脸跟踪获取 | 第66-88页 |
| 4.1 引言 | 第66-68页 |
| 4.2 算法B-FTC | 第68-81页 |
| 4.2.1 算法框架 | 第68-69页 |
| 4.2.2 人体表示 | 第69-70页 |
| 4.2.3 目标人体表示初始化 | 第70-75页 |
| 4.2.4 目标人体模糊跟踪 | 第75-80页 |
| 4.2.5 目标人脸快速定位获取 | 第80-81页 |
| 4.2.6 目标人体特征学习更新 | 第81页 |
| 4.3 算法的验证与分析 | 第81-87页 |
| 4.3.1 平台及相关参数设置 | 第81页 |
| 4.3.2 目的及对比算法 | 第81-82页 |
| 4.3.3 结果及分析 | 第82-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第五章 基于脸部区域与表情双重分权的video-to-video人脸识别 | 第88-109页 |
| 5.1 引言 | 第88-93页 |
| 5.2 算法SEDW-2VFR | 第93-101页 |
| 5.2.1 算法的框架 | 第93页 |
| 5.2.2 视频中人脸碎片的跟踪获取 | 第93-95页 |
| 5.2.3 人脸碎片稳定特征点的提取 | 第95-96页 |
| 5.2.4 基准目标人脸碎片图像的区域分类 | 第96页 |
| 5.2.5 基准目标人脸碎片图像的表情分类 | 第96-97页 |
| 5.2.6 人脸碎片图像对齐 | 第97-98页 |
| 5.2.7 各类集图像特征的提取与选择 | 第98-99页 |
| 5.2.8 分权比对识别 | 第99-101页 |
| 5.3 算法的验证与分析 | 第101-108页 |
| 5.3.1 平台及相关参数设置 | 第101页 |
| 5.3.2 目的及参考对比算法 | 第101-102页 |
| 5.3.3 结果及分析 | 第102-108页 |
| 5.4 本章小结 | 第108-109页 |
| 第六章 基于特征异步提取与同步分权相融合的步态识别 | 第109-127页 |
| 6.1 引言 | 第109-111页 |
| 6.2 算法FAESWF-GR | 第111-121页 |
| 6.2.1 算法流程 | 第111-112页 |
| 6.2.2 目标人体跟踪及相关关节定位 | 第112页 |
| 6.2.3 步态特征的表示及特征样本值的异步提取 | 第112-117页 |
| 6.2.4 步态特征同步对齐 | 第117页 |
| 6.2.5 基准目标步态特征的 2D-PCA提取 | 第117-119页 |
| 6.2.6 分权融合的步态识别 | 第119-121页 |
| 6.3 算法的验证与分析 | 第121-126页 |
| 6.3.1 平台及相关参数设置 | 第121页 |
| 6.3.2 对象、目的及参考对比算法 | 第121页 |
| 6.3.3 结果及分析 | 第121-126页 |
| 6.4 本章小结 | 第126-127页 |
| 第七章总结与展望 | 第127-131页 |
| 7.1 本文总结 | 第127-129页 |
| 7.2 未来展望 | 第129-131页 |
| 致谢 | 第131-132页 |
| 参考文献 | 第132-149页 |
| 攻读博士学位期间取得的成果 | 第149-151页 |
