| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 目标跟踪的研究背景及意义 | 第9-10页 |
| 1.2 目标跟踪技术国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容及技术难点 | 第12-14页 |
| 1.3.1 目标跟踪技术难点 | 第12-13页 |
| 1.3.2 目标跟踪算法的评价标准 | 第13页 |
| 1.3.3 本文研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 2 目标跟踪算法概述 | 第15-21页 |
| 2.1 目标表示 | 第15-16页 |
| 2.2 特征提取 | 第16-18页 |
| 2.2.1 颜色特征 | 第16-17页 |
| 2.2.2 边缘特征 | 第17页 |
| 2.2.3 光流特征 | 第17页 |
| 2.2.4 纹理特征 | 第17-18页 |
| 2.3 基于生成法的目标跟踪 | 第18页 |
| 2.4 基于判别法的目标跟踪 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 SVM 目标跟踪算法 | 第21-27页 |
| 3.1 支持向量机算法概述 | 第21页 |
| 3.2 支持向量机数学模型 | 第21-25页 |
| 3.2.1 线性可分情况下的 SVM 模型 | 第21-22页 |
| 3.2.2 近似线性可分情况下的 SVM 模型 | 第22-23页 |
| 3.2.3 非线性 SVM 模型和核函数 | 第23-25页 |
| 3.3 SVM 在目标跟踪中的应用 | 第25-26页 |
| 3.4 SVM 在目标跟踪中的技术问题 | 第26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 基于随机投影的 SVM 跟踪算法 | 第27-41页 |
| 4.1 特征提取 | 第28-29页 |
| 4.1.1 Haar-like 特征 | 第28页 |
| 4.1.2 积分图 | 第28-29页 |
| 4.2 随机投影 | 第29页 |
| 4.3 SVM 分类器设计 | 第29-30页 |
| 4.4 基于的 HAAR-LIKE 特征在线 SVM 跟踪算法 | 第30-31页 |
| 4.5 实验结果 | 第31-40页 |
| 4.6 本章小结 | 第40-41页 |
| 5 基于 PCA-HOG 特征提取的 SVM 跟踪算法 | 第41-57页 |
| 5.1 HOG 特征 | 第41-43页 |
| 5.2 PCA 概述 | 第43-45页 |
| 5.2.1 基本原理 | 第44页 |
| 5.2.2 实现步骤 | 第44-45页 |
| 5.3 SVM 分类器设计 | 第45-46页 |
| 5.4 基于 PCA-HOG 特征提取的 SVM 跟踪算法 | 第46-48页 |
| 5.5 实验结果 | 第48-56页 |
| 5.5.1 单目标跟踪 | 第48-53页 |
| 5.5.2 多目标跟踪 | 第53-56页 |
| 5.6 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
| A. 作者在攻读学位期间发表论文及申请专利目录 | 第64页 |
| B. 作者在攻读学位期间参与的科研项目目录 | 第64页 |
