| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.1.1 人脸识别 | 第16-17页 |
| 1.1.2 智能交通 | 第17-18页 |
| 1.1.3 机器人 | 第18页 |
| 1.1.4 无人机 | 第18-19页 |
| 1.2 目标跟踪的研究现状 | 第19-22页 |
| 1.2.1 经典的跟踪模型 | 第19-20页 |
| 1.2.2 基于Tracking-by-detection的跟踪算法 | 第20页 |
| 1.2.3 基于相关性滤波器的目标跟踪算法 | 第20-21页 |
| 1.2.4 基于深度学习的目标跟踪算法 | 第21-22页 |
| 1.3 论文的主要内容与章节安排 | 第22-24页 |
| 第二章 基于滤波器跟踪的相关技术 | 第24-38页 |
| 2.1 概述 | 第24-26页 |
| 2.2 相关滤波器 | 第26-31页 |
| 2.2.1 ASEF相关滤波器 | 第26-27页 |
| 2.2.2 MOSSE相关滤波器 | 第27-28页 |
| 2.2.3 DCF相关滤波器 | 第28-29页 |
| 2.2.4 KCF滤波算法 | 第29-30页 |
| 2.2.5 DSST滤波器算法 | 第30-31页 |
| 2.3 分类器 | 第31-37页 |
| 2.3.1 随机蕨分类器 | 第31-33页 |
| 2.3.2 最邻近分类器 | 第33-34页 |
| 2.3.3 Boosting分类器 | 第34-36页 |
| 2.3.4 支持向量机分类器 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于Harris角点和颜色矩的改进TLD算法 | 第38-50页 |
| 3.1 HCTLD算法相关技术 | 第38-41页 |
| 3.1.1 TLD算法 | 第38-39页 |
| 3.1.2 Harris角点选取 | 第39-40页 |
| 3.1.3 颜色矩 | 第40-41页 |
| 3.2 HCTLD算法 | 第41-44页 |
| 3.2.1 有效跟踪点 | 第41-42页 |
| 3.2.2 颜色矩分类器 | 第42-44页 |
| 3.2.3 HCTLD算法流程 | 第44页 |
| 3.3 实验结果和分析 | 第44-48页 |
| 3.3.1 两种算法的边界框比较 | 第45-46页 |
| 3.3.2 两种算法的中心误差比较 | 第46-48页 |
| 3.3.3 两种算法的速度比较 | 第48页 |
| 3.4 结论 | 第48-50页 |
| 第四章 基于相关性滤波器的实时跟踪算法 | 第50-60页 |
| 4.1 方向梯度直方图 | 第50-53页 |
| 4.1.1 传统HOG计算过程 | 第50-52页 |
| 4.1.2 DPM改进HOG特征 | 第52-53页 |
| 4.2 颜色直方图 | 第53-54页 |
| 4.3 特征融合 | 第54-55页 |
| 4.4 相关性滤波器 | 第55-56页 |
| 4.5 算法框架 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 实验结果和分析 | 第60-76页 |
| 5.1 实验设置 | 第60-62页 |
| 5.1.1 实验环境 | 第60页 |
| 5.1.2 衡量标准 | 第60-61页 |
| 5.1.3 测试算法介绍 | 第61页 |
| 5.1.4 测试序列定性分析 | 第61-62页 |
| 5.2 CFRT中不同参数的实验对比和分析 | 第62-65页 |
| 5.2.1 HOG'特征中binsize参数的选取 | 第62-64页 |
| 5.2.2 融合函数不同参数的选取 | 第64-65页 |
| 5.3 CFRT与其他算法的实验对比和分析 | 第65-74页 |
| 5.3.1 边界框 | 第65-68页 |
| 5.3.2 中心误差曲线图 | 第68-72页 |
| 5.3.3 帧率 | 第72-73页 |
| 5.3.4 成功率 | 第73-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第六章 总结和展望 | 第76-78页 |
| 6.1 课题总结 | 第76页 |
| 6.2 研究展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
