复杂背景下的目标跟踪技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11页 |
| ·目标跟踪方法概述 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·生成模型的研究现状 | 第12-14页 |
| ·区分模型的研究现状 | 第14-15页 |
| ·本论文的结构安排 | 第15-17页 |
| 2 在线提升跟踪算法 | 第17-27页 |
| ·引言 | 第17页 |
| ·提升算法的基本思想和要素 | 第17-18页 |
| ·提升算法的训练过程 | 第18-22页 |
| ·线下模式 | 第18-19页 |
| ·线上模式 | 第19-22页 |
| ·特征的选择 | 第22-23页 |
| ·弱分类器的更新 | 第23页 |
| ·采样方法 | 第23-24页 |
| ·算法测试结果及分析 | 第24-26页 |
| ·算法测试结果 | 第24-26页 |
| ·测试结果分析 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 结合多实例学习的在线提升算法研究 | 第27-40页 |
| ·引言 | 第27页 |
| ·多实例学习 | 第27-30页 |
| ·采样 | 第27-28页 |
| ·样本袋似然函数 | 第28页 |
| ·MIL 算法 | 第28-30页 |
| ·基于函数空间梯度下降的多实例学习 | 第30-33页 |
| ·测试结果及分析 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 4 结合水平集分割与多实例学习的跟踪算法研究 | 第40-57页 |
| ·引言 | 第40页 |
| ·水平集的基本原理 | 第40-41页 |
| ·水平集的分类 | 第41-47页 |
| ·基于边缘信息的水平集 | 第42-43页 |
| ·基于区域信息的水平集 | 第43-44页 |
| ·基于灰度统计信息的水平集分割 | 第44-47页 |
| ·基于颜色统计信息的水平集分割 | 第47页 |
| ·不同水平集分割方法的测试比较 | 第47-51页 |
| ·针对灰度图像的水平集分割测试 | 第47-48页 |
| ·针对彩色图像的水平集分割测试 | 第48-51页 |
| ·结合水平集分割与多实例学习的跟踪算法 | 第51-56页 |
| ·算法流程 | 第51-52页 |
| ·跟踪效果 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 5 结合水平集的贝叶斯估计跟踪方法研究 | 第57-66页 |
| ·引言 | 第57页 |
| ·算法原理与推导 | 第57-59页 |
| ·算法流程 | 第59-60页 |
| ·测试结果 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 6 工作总结与展望 | 第66-69页 |
| ·论文主要工作内容 | 第66-67页 |
| ·研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第72页 |
