运动目标跟踪检测与识别关键算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 缩略语中英文对照表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及课题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 基于卷积神经网络的目标识别算法介绍 | 第15-24页 |
| 2.1 卷积神经网络的发展历史 | 第15-16页 |
| 2.2 卷积神经网络的原理和结构 | 第16-21页 |
| 2.2.1 卷积过程的基本原理 | 第16页 |
| 2.2.2 CNN的原理及特点 | 第16-18页 |
| 2.2.3 CNN的基本结构 | 第18-20页 |
| 2.2.4 Softmax回归的原理及意义 | 第20-21页 |
| 2.3 基于CNN的目标识别算法结构 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于LSTM网络的目标行为识别算法研究 | 第24-32页 |
| 3.1 引言 | 第24-25页 |
| 3.2 LSTM网络基本原理 | 第25-29页 |
| 3.2.1 RNN的基本原理及缺陷 | 第25-27页 |
| 3.2.2 LSTM的特点和优势 | 第27-29页 |
| 3.3 基于LSTM的目标行为识别算法原理和结构 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于TLD框架的目标跟踪算法研究与实现 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 TLD算法的结构和特点 | 第32-33页 |
| 4.3 基于CNN的TLD算法改进 | 第33-37页 |
| 4.3.1 改进的原因与方法 | 第33-34页 |
| 4.3.2 RPN模型的基本结构 | 第34-36页 |
| 4.3.3 RPN模型的训练过程 | 第36-37页 |
| 4.4 基于CNN的TLD改进算法结构与实现 | 第37-41页 |
| 4.4.1 算法整体结构 | 第37-38页 |
| 4.4.2 跟踪模块 | 第38-39页 |
| 4.4.3 检测模块 | 第39-40页 |
| 4.4.4 学习模块 | 第40-41页 |
| 4.5 对比实验与结果分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 运动目标多标签综合识别算法的设计与实现 | 第43-61页 |
| 5.1 多标签识别的原理及意义 | 第43-45页 |
| 5.2 多标签综合识别算法的设计 | 第45-46页 |
| 5.2.1 算法标签类型的选择与综合识别的意义 | 第45页 |
| 5.2.2 算法各部分处理方式的选择 | 第45-46页 |
| 5.3 多标签综合识别算法的基本结构 | 第46-50页 |
| 5.3.1 算法总体结构 | 第46-47页 |
| 5.3.2 目标的跟踪模块 | 第47-49页 |
| 5.3.3 目标的识别模块 | 第49-50页 |
| 5.4 多标签算法的实现与优化 | 第50-54页 |
| 5.4.1 算法前向过程的网络定义 | 第50-51页 |
| 5.4.2 算法网络的训练过程 | 第51-53页 |
| 5.4.3 深度网络模型的优化 | 第53-54页 |
| 5.5 实验结果 | 第54-60页 |
| 5.5.1 实验环境与评价准则 | 第54-55页 |
| 5.5.2 功能实验 | 第55-58页 |
| 5.5.3 性能实验 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文内容总结 | 第61-62页 |
| 6.2 对未来的展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
