基于相关滤波的目标跟踪算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 中英文对照表 | 第10-12页 |
| 1 绪论 | 第12-23页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.3 研究内容 | 第20-23页 |
| 2 相关滤波跟踪算法理论 | 第23-39页 |
| 2.1 基本概念 | 第23-30页 |
| 2.2 相关滤波跟踪框架 | 第30-36页 |
| 2.3 跟踪性能评价方法 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 3 基于运动估计的自适应扩展搜索区相关跟踪 | 第39-59页 |
| 3.1 目标运动估计 | 第39-44页 |
| 3.2 搜索区自适应策略 | 第44-49页 |
| 3.3 算法流程 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 尺度优化的自适应尺度相关跟踪 | 第59-75页 |
| 4.1 研究动机和研究内容 | 第60-62页 |
| 4.2 卡尔曼滤波理论 | 第62-64页 |
| 4.3 基于卡尔曼滤波的尺度优化 | 第64-68页 |
| 4.4 算法流程 | 第68-69页 |
| 4.5 实验结果与分析 | 第69-74页 |
| 4.6 本章小结 | 第74-75页 |
| 5 基于目标置信度评估的自适应学习率相关跟踪 | 第75-92页 |
| 5.1 经典相关滤波算法的模型更新 | 第75-77页 |
| 5.2 改进的更新机制 | 第77-85页 |
| 5.3 算法流程 | 第85-86页 |
| 5.4 实验结果与分析 | 第86-90页 |
| 5.5 本章小结 | 第90-92页 |
| 6 总结与展望 | 第92-95页 |
| 6.1 本文总结 | 第92-94页 |
| 6.2 未来展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-101页 |
| 附录 攻读硕士学位期间成果 | 第101页 |
