| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状综述 | 第13-16页 |
| 1.2.1 经典目标跟踪的研究现状 | 第13-15页 |
| 1.2.2 基于RGB-D的目标跟踪研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文章节安排 | 第17-18页 |
| 第二章 目标跟踪相关理论介绍 | 第18-28页 |
| 2.1 目标跟踪基础理论 | 第18-22页 |
| 2.1.1 目标跟踪的框架 | 第18-19页 |
| 2.1.2 评价目标跟踪算法的准则 | 第19-21页 |
| 2.1.3 目前的基准数据集 | 第21-22页 |
| 2.2 深度图像的特点及获取 | 第22-24页 |
| 2.2.1 深度图像的特点 | 第22-23页 |
| 2.2.2 深度图像提取设备Kinect | 第23-24页 |
| 2.3 粒子滤波算法概述 | 第24-25页 |
| 2.4 感知哈希算法概述 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于深度图像的多候选种子融合的头部跟踪算法 | 第28-46页 |
| 3.1 深度图像的预处理 | 第28-29页 |
| 3.2 跟踪模板更新方法 | 第29-32页 |
| 3.2.1 候选种子位置的生成 | 第29-31页 |
| 3.2.2 基于多候选种子融合的模板更新 | 第31-32页 |
| 3.3 二阶头部搜索策略 | 第32-34页 |
| 3.4 跟踪结果与分析 | 第34-39页 |
| 3.4.1 最优参数选择方法 | 第35-37页 |
| 3.4.2 跟踪结果分析 | 第37-39页 |
| 3.5 基于粒子滤波的深度图像跟踪算法改进 | 第39-45页 |
| 3.5.1 基于粒子滤波的搜索策略 | 第39-43页 |
| 3.5.2 跟踪结果分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于RGB-D的尺度自适应跟踪算法 | 第46-58页 |
| 4.1 核相关滤波器跟踪算法 | 第46-49页 |
| 4.1.1 核相关滤波器算法介绍 | 第46-48页 |
| 4.1.2 基于尺度变换的改进现状 | 第48-49页 |
| 4.2 基于RGB-D的尺度自适应跟踪算法 | 第49-54页 |
| 4.2.1 尺度自适应变换机制 | 第49-51页 |
| 4.2.2 多模态特征融合方法 | 第51-52页 |
| 4.2.3 跟踪丢失自适应融合判决机制 | 第52-54页 |
| 4.3 跟踪结果分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 未解决的问题和以后工作展望 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |