基于相关滤波器的目标跟踪
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于生成模型的跟踪算法 | 第11-12页 |
| 1.2.2 基于辨别模型的跟踪算法 | 第12-14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 目标跟踪算法中的关键技术及改进策略 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 目标跟踪中的关键技术 | 第16-19页 |
| 2.2.1 样本提取 | 第17页 |
| 2.2.2 特征提取 | 第17-18页 |
| 2.2.3 观察模型 | 第18页 |
| 2.2.4 模型更新 | 第18-19页 |
| 2.2.5 结果处理 | 第19页 |
| 2.3 基于相关滤波器跟踪算法的改进策略 | 第19-22页 |
| 2.3.1 基于跟踪框架的改进 | 第20-21页 |
| 2.3.2 基于特征选择的改进 | 第21页 |
| 2.3.3 基于尺度的改进 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于相关滤波器的目标跟踪 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 相关的基本概念 | 第23-24页 |
| 3.3 目标跟踪中相关滤波器的设计 | 第24-30页 |
| 3.3.1 相关滤波器如何解决跟踪问题 | 第24-26页 |
| 3.3.2 相关滤波器的输入样本 | 第26-27页 |
| 3.3.3 相关滤波器的正则化 | 第27-28页 |
| 3.3.4 相关滤波器中核函数的使用 | 第28-29页 |
| 3.3.5 相关滤波器更新 | 第29-30页 |
| 3.3.6 相关滤波器中目标检测 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于目标增强自适应模板更新的跟踪算法 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 目标特征增强 | 第31-33页 |
| 4.2.1 HOG特征的特性及边缘增强原因 | 第31-32页 |
| 4.2.2 目标边缘特征增强 | 第32-33页 |
| 4.3 滤波器模板更新 | 第33-35页 |
| 4.3.1 模板更新方法中的问题 | 第33-34页 |
| 4.3.2 自适应模板更新 | 第34-35页 |
| 4.4 算法实现 | 第35-36页 |
| 4.5 实验结果及分析 | 第36-42页 |
| 4.5.1 实验环境及参数 | 第36页 |
| 4.5.2 实验数据及评价指标 | 第36-37页 |
| 4.5.3 定量分析 | 第37-40页 |
| 4.5.4 定性分析 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 基于自适应特征融合的多尺度目标跟踪算法 | 第43-57页 |
| 5.1 引言 | 第43页 |
| 5.2 自适应特征融合 | 第43-46页 |
| 5.2.1 跟踪中特征的使用 | 第43-44页 |
| 5.2.2 颜色信息熵 | 第44页 |
| 5.2.3 基于颜色信息熵的自适应特征融合 | 第44-46页 |
| 5.3 多尺度相关滤波器 | 第46-47页 |
| 5.4 算法流程 | 第47-48页 |
| 5.5 实验结果及分析 | 第48-56页 |
| 5.5.1 数据集及评价标准 | 第48-49页 |
| 5.5.2 基准算法对比实验 | 第49-50页 |
| 5.5.3 最优算法对比实验 | 第50页 |
| 5.5.4 初始化鲁棒性实验 | 第50-51页 |
| 5.5.5 视频属性对比实验 | 第51-53页 |
| 5.5.6 OTB-2015数据集的实验 | 第53-54页 |
| 5.5.7 跟踪结果定性分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 总结和展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |
