| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 视觉目标跟踪面临的挑战 | 第13-14页 |
| 1.2.1 现实场景中的挑战 | 第13-14页 |
| 1.2.2 算法速度与精度之间的平衡 | 第14页 |
| 1.2.3 利用时空连续性特点 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 视觉目标跟踪研究现状 | 第17-24页 |
| 2.1 视觉目标跟踪 | 第17-19页 |
| 2.1.1 视觉目标跟踪简介 | 第17-18页 |
| 2.1.2 视觉目标跟踪分类 | 第18-19页 |
| 2.2 人类感知机制 | 第19页 |
| 2.3 传统视觉跟踪算法 | 第19-20页 |
| 2.3.1 基于生成模型的跟踪算法 | 第19-20页 |
| 2.3.2 基于图像的跟踪算法 | 第20页 |
| 2.4 相关滤波跟踪算法 | 第20-22页 |
| 2.4.1 KCF跟踪算法 | 第21页 |
| 2.4.2 特征选取 | 第21-22页 |
| 2.5 Tracking-by-Detection跟踪算法 | 第22-24页 |
| 2.5.1 TLD跟踪算法 | 第22页 |
| 2.5.2 深度学习跟踪算法 | 第22-24页 |
| 第三章 视觉注意特征 | 第24-32页 |
| 3.1 视觉注意特征的概念 | 第24-25页 |
| 3.1.1 视觉注意特征的定义 | 第24-25页 |
| 3.1.2 视觉注意特征与图像特征的区别及联系 | 第25页 |
| 3.2 视觉注意特征的作用 | 第25-28页 |
| 3.2.1 视觉跟踪算法基本流程 | 第25-26页 |
| 3.2.2 现有视觉跟踪算法缺陷 | 第26-27页 |
| 3.2.3 视觉注意特征的作用 | 第27页 |
| 3.2.4 应对视觉跟踪问题的挑战 | 第27-28页 |
| 3.3 视觉注意特征的提取方式 | 第28-32页 |
| 3.3.1 运动特性提取 | 第29-30页 |
| 3.3.2 运动目标分类 | 第30页 |
| 3.3.3 显著性提取 | 第30-32页 |
| 第四章 融合视觉注意特征的跟踪算法 | 第32-40页 |
| 4.1 融合视觉注意特征的目标跟踪策略 | 第32-35页 |
| 4.1.1 运动特性 | 第32-33页 |
| 4.1.2 显著性 | 第33页 |
| 4.1.3 融合视觉注意特征的跟踪策略 | 第33-35页 |
| 4.2 改进相关滤波类算法 | 第35-37页 |
| 4.2.1 KCF跟踪算法 | 第35页 |
| 4.2.2 融合运动特性 | 第35-37页 |
| 4.2.3 融合显著性 | 第37页 |
| 4.3 改进Tracking-by-Detection类算法 | 第37-40页 |
| 4.3.1 算法介绍 | 第37-38页 |
| 4.3.2 融合视觉注意特征 | 第38-40页 |
| 第五章 实验及分析 | 第40-55页 |
| 5.1 数据集 | 第40页 |
| 5.2 视觉注意特征先验信息 | 第40-44页 |
| 5.2.1 运动特性权重分布 | 第41-43页 |
| 5.2.2 运动特性分类 | 第43-44页 |
| 5.3 实验结果及分析 | 第44-55页 |
| 5.3.1 改进相关滤波类跟踪算法实验分析 | 第44-48页 |
| 5.3.2 改进Tracking-by-Detection类跟踪算法实验分析 | 第48-51页 |
| 5.3.3 OTB2015实验分析 | 第51-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 攻读硕士期间发表的学术论文 | 第66页 |
