| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状及技术挑战 | 第11-15页 |
| 1.2.1 研究现状 | 第11-14页 |
| 1.2.2 技术挑战 | 第14-15页 |
| 1.3 本文主要研究内容及贡献 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 相关理论 | 第17-24页 |
| 2.1 目标跟踪的主流框架 | 第17-20页 |
| 2.1.1 运动模型 | 第17-18页 |
| 2.1.2 外观模型 | 第18-19页 |
| 2.1.3 观察模型 | 第19-20页 |
| 2.1.4 聚类方法 | 第20页 |
| 2.2 相关滤波跟踪 | 第20-24页 |
| 2.2.1 循环矩阵 | 第20-21页 |
| 2.2.2 相关滤波器 | 第21-24页 |
| 第三章 基于相关滤波的尺度和学习率自适应跟踪算法 | 第24-44页 |
| 3.1 概述 | 第24页 |
| 3.2 基于相关滤波的尺度和学习率自适应目标跟踪算法 | 第24-31页 |
| 3.2.1 多特征融合 | 第25-28页 |
| 3.2.2 尺度自适应 | 第28-30页 |
| 3.2.3 学习率自适应 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-43页 |
| 3.3.1 实验基准和评价度量 | 第31-32页 |
| 3.3.2 对比实验 | 第32-39页 |
| 3.3.3 成分分析实验 | 第39-41页 |
| 3.3.4 定性评估实验 | 第41-43页 |
| 3.4 小结 | 第43-44页 |
| 第四章 基于相关滤波和级联检测的长时间跟踪算法 | 第44-53页 |
| 4.1 概述 | 第44-45页 |
| 4.2 基于相关滤波和级联检测的长时间跟踪算法 | 第45-50页 |
| 4.2.1 级联检测 | 第46-49页 |
| 4.2.2 跟踪状态判断 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |