| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 2 核相关滤波目标跟踪算法研究 | 第13-19页 |
| 2.1 核相关滤波跟踪算法的基本框架 | 第13页 |
| 2.2 核相关滤波算法相关技术 | 第13-17页 |
| 2.2.1 运动模型 | 第13-14页 |
| 2.2.2 特征提取 | 第14-15页 |
| 2.2.3 检测模板 | 第15-17页 |
| 2.2.4 模型更新 | 第17页 |
| 2.3 核相关滤波器跟踪算法结果与分析 | 第17-18页 |
| 2.3.1 使用人工特征 | 第17页 |
| 2.3.2 使用单一尺度 | 第17页 |
| 2.3.3 更新策略不可靠 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 改进的核相关滤波目标跟踪算法 | 第19-27页 |
| 3.1 改进的核相关滤波目标跟踪算法框架 | 第19页 |
| 3.2 基于带宽变化的目标尺寸自适应 | 第19-22页 |
| 3.2.1 基于核相关滤波器的响应图计算 | 第20页 |
| 3.2.2 响应图特性分析 | 第20页 |
| 3.2.3 尺寸自适应的目标跟踪 | 第20-22页 |
| 3.3 基于在线更新的最近邻分类器目标确认 | 第22-24页 |
| 3.3.1 初始化最近邻分类器 | 第22-23页 |
| 3.3.2 确认跟踪结果 | 第23页 |
| 3.3.3 更新最近邻分类器与目标模板 | 第23-24页 |
| 3.4 实验结果对比 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 基于深度特征的核相关滤波目标跟踪算法 | 第27-35页 |
| 4.1 基于深度特征的核相关滤波目标跟踪算法框架 | 第27页 |
| 4.2 基于类别划分的Resnet-50 网络训练 | 第27-29页 |
| 4.2.1 Resnet的理论基础 | 第27-28页 |
| 4.2.2 Resnet模型的结构 | 第28-29页 |
| 4.2.3 Resnet-50 网络训练 | 第29页 |
| 4.3 基于Resnet-50 网络特征提取和目标模板构成 | 第29-31页 |
| 4.4 不同特征的实验结果对比 | 第31-32页 |
| 4.5 本章小结 | 第32-35页 |
| 5 实验结果及分析 | 第35-49页 |
| 5.1 数据集和实验环境 | 第35-38页 |
| 5.1.1 相关数据集介绍 | 第35-38页 |
| 5.1.2 实验环境 | 第38页 |
| 5.2 评价指标 | 第38页 |
| 5.3 主观结果与分析 | 第38-43页 |
| 5.4 客观结果与分析 | 第43-47页 |
| 5.5 本章小结 | 第47-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 研究展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间主要研究成果 | 第57页 |