TLD跟踪算法研究及在仿生眼系统中的实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 仿生眼研究现状 | 第11-12页 |
| 1.3.2 目标跟踪算法研究现状 | 第12-14页 |
| 1.3.3 TLD算法研究现状 | 第14-15页 |
| 1.4 论文主要研究内容及结构安排 | 第15-17页 |
| 第2章 TLD算法原理 | 第17-32页 |
| 2.1 TLD算法概述及理论基础 | 第17-20页 |
| 2.1.1 TLD算法概述 | 第17-18页 |
| 2.1.2 理论基础 | 第18-20页 |
| 2.2 跟踪模块 | 第20-23页 |
| 2.2.1 前向后向误差估计 | 第21-22页 |
| 2.2.2 中值流跟踪法 | 第22-23页 |
| 2.3 检测模块 | 第23-26页 |
| 2.3.1 方差分类器 | 第24页 |
| 2.3.2 集成分类器 | 第24-25页 |
| 2.3.3 最近邻分类器 | 第25-26页 |
| 2.4 综合模块 | 第26-27页 |
| 2.5 学习模块 | 第27-28页 |
| 2.6 TLD算法流程及评价指标 | 第28-30页 |
| 2.6.1 TLD算法流程 | 第28-30页 |
| 2.6.2 算法评价指标 | 第30页 |
| 2.7 TLD算法存在的问题 | 第30-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第3章 TLD算法的研究与改进 | 第32-61页 |
| 3.1 融入Kalman滤波器的TLD算法 | 第32-36页 |
| 3.1.1 Kalman滤波器原理 | 第33-34页 |
| 3.1.2 基于Kalman的TLD算法设计 | 第34-36页 |
| 3.2 在线模型更新策略的改进 | 第36-39页 |
| 3.2.1 TLD在线模型更新原理 | 第36-38页 |
| 3.2.2 改进的更新策略 | 第38-39页 |
| 3.3 自适应更新阈值的TLD算法 | 第39-42页 |
| 3.3.1 方差分类器固定阈值的缺陷 | 第40页 |
| 3.3.2 基于自适应更新阈值的TLD算法设计 | 第40-42页 |
| 3.4 综合改进后的TLD算法流程 | 第42-43页 |
| 3.5 实验结果与分析 | 第43-60页 |
| 3.5.1 实验环境 | 第43-45页 |
| 3.5.2 评估融入Kalman滤波器的改进 | 第45-48页 |
| 3.5.3 评估在线模型更新策略的改进 | 第48-51页 |
| 3.5.4 评估方差分类器自适应更新阈值的改进 | 第51-54页 |
| 3.5.5 综合评估 | 第54-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第4章 基于TLD算法的仿生眼系统实现 | 第61-75页 |
| 4.1 仿生眼系统简介及整体结构 | 第61-64页 |
| 4.1.1 系统简介 | 第61-62页 |
| 4.1.2 系统整体结构 | 第62-64页 |
| 4.2 基于VIBE的目标检测 | 第64-66页 |
| 4.3 引入极线约束 | 第66-70页 |
| 4.3.1 极线约束原理 | 第67-68页 |
| 4.3.2 极线约束在仿生眼系统中的应用 | 第68-70页 |
| 4.4 仿生眼系统结果展示 | 第70-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 工作总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |
