| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景以及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 视觉目标跟踪研究现状 | 第16-17页 |
| 1.2.2 GPU研究现状 | 第17-18页 |
| 1.3 论文结构安排 | 第18-19页 |
| 第二章 相关基础知识 | 第19-37页 |
| 2.1 基于形变目标静态自适应跟踪算法(CMT) | 第19-25页 |
| 2.1.1 目标的表观模型 | 第20-21页 |
| 2.1.2 静态自适应匹配 | 第21-22页 |
| 2.1.3 尺度和旋转角度尺度估计 | 第22-23页 |
| 2.1.4 局部匹配分簇 | 第23-25页 |
| 2.2 相关滤波跟踪方法 | 第25-27页 |
| 2.3 跟踪评估指标 | 第27-28页 |
| 2.3.1 精确度评估 | 第27页 |
| 2.3.2 鲁棒性评估 | 第27-28页 |
| 2.4 GPU | 第28-31页 |
| 2.4.1 通用GPU | 第28-30页 |
| 2.4.2 GPU硬件架构 | 第30-31页 |
| 2.5 CUDA | 第31-37页 |
| 2.5.1 CUDA编程模型 | 第31-33页 |
| 2.5.2 CUDA线程执行模型 | 第33-34页 |
| 2.5.3 CUDA内存访问 | 第34-37页 |
| 第三章 增强CMT跟踪算法及其CUDA优化加速 | 第37-53页 |
| 3.1 引言 | 第37-38页 |
| 3.2 CMT跟踪算法分析 | 第38-39页 |
| 3.3 EPCMT跟踪算法设计 | 第39-40页 |
| 3.4 EPCMT跟踪算法的SVM模块 | 第40-41页 |
| 3.4.1 SVM模型训练 | 第40页 |
| 3.4.2 SVM模型预测 | 第40-41页 |
| 3.5 EPCMT跟踪算法的CUDA优化加速 | 第41-45页 |
| 3.5.1 静态自适应匹配并行化 | 第42-43页 |
| 3.5.2 尺度旋转角度并行化 | 第43-44页 |
| 3.5.3 局部分簇并行化 | 第44-45页 |
| 3.6 算法测试与评估 | 第45-51页 |
| 3.6.1 实验环境 | 第45-46页 |
| 3.6.2 算法性能测试评估 | 第46-47页 |
| 3.6.3 算法实际性能比较 | 第47-49页 |
| 3.6.4 EPCMT跟踪算法实时性评估 | 第49-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第四章 自适应长期在线目标跟踪算法及其CUDA优化加速 | 第53-71页 |
| 4.1 引言 | 第53页 |
| 4.2 ALT跟踪算法设计 | 第53-54页 |
| 4.3 长期跟踪器 | 第54-57页 |
| 4.3.1 自适应对应匹配 | 第54-55页 |
| 4.3.2 目标形态估计 | 第55-57页 |
| 4.3.3 目标状态估计 | 第57页 |
| 4.4 多尺度核相关滤波跟踪器 | 第57-60页 |
| 4.4.1 核相关滤波跟踪器 | 第57-59页 |
| 4.4.2 多尺度快速特征目标检测 | 第59-60页 |
| 4.5 基于CS_SVM再检测机制 | 第60-62页 |
| 4.5.1 特征提取 | 第60-61页 |
| 4.5.2 目标再预测 | 第61-62页 |
| 4.6 自适应更新机制 | 第62-64页 |
| 4.6.1 跟踪器模型更新 | 第62-63页 |
| 4.6.2 活跃点更新 | 第63-64页 |
| 4.7 ALT跟踪算法的CUDA优化加速 | 第64页 |
| 4.8 算法测试与评估 | 第64-68页 |
| 4.8.1 算法性能测试评估 | 第66-67页 |
| 4.8.2 算法实际性能比较 | 第67-68页 |
| 4.8.3 ALT跟踪算法实时性评估 | 第68页 |
| 4.9 本章小结 | 第68-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 本文工作总结 | 第71-72页 |
| 5.2 下一步研究方向 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-81页 |