基于核相关滤波的目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 第2章 目标跟踪算法研究概述 | 第14-21页 |
| 2.1 目标跟踪的分类 | 第14-18页 |
| 2.2 目标跟踪的评价体系 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于核相关滤波的跟踪算法研究 | 第21-39页 |
| 3.1 核相关滤波跟踪算法 | 第21-27页 |
| 3.1.1 相关滤波的跟踪算法 | 第21-23页 |
| 3.1.2 利用线性回归对样本的训练过程进行描述 | 第23-24页 |
| 3.1.3 构建循环样本矩阵 | 第24-26页 |
| 3.1.4 利用核技巧解决复杂场景中的非线性问题 | 第26-27页 |
| 3.2 融合时空上下文的核相关滤波跟踪 | 第27-33页 |
| 3.2.1 时空上下文模型概述 | 第28-29页 |
| 3.2.2 时空上下文核相关滤波跟踪的构建 | 第29-33页 |
| 3.3 实验结果及分析 | 第33-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于深度卷积神经网络的跟踪算法研究 | 第39-52页 |
| 4.1 深度卷积模型的基础知识 | 第39-43页 |
| 4.2 卷积神经网络模型 | 第43-45页 |
| 4.2.1 卷积神经网络的基础原理 | 第43-44页 |
| 4.2.2 卷积神经网络模型种类 | 第44-45页 |
| 4.3 基于卷积神经网络特征的核相关滤波跟踪 | 第45-48页 |
| 4.3.1 神经网络在跟踪领域应用的难点 | 第45-46页 |
| 4.3.2 构建卷积相关滤波网络 | 第46-47页 |
| 4.3.3 模型的迁移学习及微调 | 第47-48页 |
| 4.4 实验结果分析 | 第48-51页 |
| 4.4.1 跟踪算法的定性评估 | 第48-50页 |
| 4.4.2 跟踪算法的实用性评估 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
