复杂场景下的实时目标跟踪算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 目标跟踪研究背景 | 第11-12页 |
| 1.1.2 目标跟踪研究意义 | 第12-13页 |
| 1.2 目标跟踪研究现状与挑战 | 第13-15页 |
| 1.2.1 目标跟踪研究现状 | 第13-14页 |
| 1.2.2 目标跟踪面临的挑战 | 第14-15页 |
| 1.3 目标检测研究现状 | 第15页 |
| 1.4 本文的研究主题 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 2 目标跟踪算法概述 | 第17-23页 |
| 2.1 目标跟踪系统概述 | 第17页 |
| 2.2 外观模型概述 | 第17-21页 |
| 2.2.1 外观表示 | 第18-19页 |
| 2.2.2 统计模型 | 第19-21页 |
| 2.3 目标跟踪系统的评价指标 | 第21-23页 |
| 3 特征在线更新与加权的压缩跟踪算法 | 第23-37页 |
| 3.1 HAAR-LIKE特征 | 第23-24页 |
| 3.2 贝叶斯分类器 | 第24-25页 |
| 3.3 压缩跟踪算法概述 | 第25-28页 |
| 3.3.1 特征提取 | 第25-26页 |
| 3.3.2 分类器的构建与实时更新 | 第26-27页 |
| 3.3.3 压缩跟踪流程 | 第27-28页 |
| 3.4 特征在线更新与加权的压缩跟踪算法 | 第28-36页 |
| 3.4.1 特征在线更新 | 第28-29页 |
| 3.4.2 融入加权特征的压缩跟踪算法 | 第29-30页 |
| 3.4.3 算法步骤 | 第30页 |
| 3.4.4 实验结果及分析 | 第30-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 时空上下文模型自适应更新的跟踪算法 | 第37-51页 |
| 4.1 上下文概述 | 第37页 |
| 4.2 STC跟踪算法概述 | 第37-40页 |
| 4.2.1 上下文先验模型和置信图 | 第38-39页 |
| 4.2.2 时空上下文模型的更新 | 第39页 |
| 4.2.3 STC算法的跟踪流程 | 第39-40页 |
| 4.3 位置预测 | 第40-41页 |
| 4.4 空间上下文模型自适应更新 | 第41-43页 |
| 4.5 跟踪流程 | 第43-44页 |
| 4.6 实验结果及分析 | 第44-50页 |
| 4.6.1 参数设置 | 第44页 |
| 4.6.2 定性分析 | 第44-47页 |
| 4.6.3 定量分析 | 第47-50页 |
| 4.7 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第57-59页 |
| 学位论文数据集 | 第59页 |
