基于分层数据关联和卷积神经网络的多目标跟踪技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 主要研究内容与组织结构 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 第2章 多目标跟踪技术及卷积神经网络 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 多目标跟踪相关理论 | 第15-21页 |
| 2.2.1 多目标跟踪基本框架 | 第15-16页 |
| 2.2.2 相似度度量 | 第16-19页 |
| 2.2.3 数据关联 | 第19-20页 |
| 2.2.4 跟踪片段管理 | 第20-21页 |
| 2.3 卷积神经网络相关理论 | 第21-24页 |
| 2.3.1 卷积神经网络的基本概念 | 第21-23页 |
| 2.3.2 基于神经网络的相似度度量模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于分层关联的在线多目标跟踪算法设计 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 算法整体框架设计 | 第25-26页 |
| 3.3 置信度设计 | 第26-28页 |
| 3.4 局部数据关联 | 第28-29页 |
| 3.5 全局数据关联 | 第29-33页 |
| 3.5.1 全局数据关联处理 | 第30-31页 |
| 3.5.2 遮挡处理 | 第31-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 目标相似度度量模型设计 | 第35-46页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于多通道卷积神经网络的表观模型 | 第36-42页 |
| 4.2.1 多通道卷积神经网络结构设计 | 第37-39页 |
| 4.2.2 多通道卷积神经网络结构实现 | 第39-42页 |
| 4.3 运动模型 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 多目标跟踪实验与结果分析 | 第46-57页 |
| 5.1 引言 | 第46页 |
| 5.2 数据集及评价指标 | 第46-49页 |
| 5.2.1 数据集 | 第46-47页 |
| 5.2.2 多目标跟踪评价指标 | 第47-49页 |
| 5.3 实验开发环境 | 第49-50页 |
| 5.4 实验及结果分析 | 第50-56页 |
| 5.4.1 基于卷积网络的表观模型有效性验证 | 第50-52页 |
| 5.4.2 遮挡处理的有效性验证 | 第52-54页 |
| 5.4.3 跟踪算法有效性验证 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
