基于边框回归的尺度自适应视觉目标跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 视觉目标跟踪的分类 | 第12-13页 |
| 1.3 视觉目标跟踪的研究现状 | 第13-17页 |
| 1.3.1 传统视觉跟踪方法 | 第14-15页 |
| 1.3.2 基于相关滤波的视觉跟踪 | 第15-16页 |
| 1.3.3 基于深度学习的视觉跟踪 | 第16-17页 |
| 1.4 本文的研究内容及章节安排 | 第17-19页 |
| 第二章 相关理论 | 第19-26页 |
| 2.1 边框回归理论 | 第19-21页 |
| 2.2 相关滤波理论 | 第21-25页 |
| 2.2.1 误差最小平方和滤波器 | 第22-23页 |
| 2.2.2 核相关滤波器 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于加权多通道边框回归的尺度跟踪 | 第26-39页 |
| 3.1 引言 | 第26-28页 |
| 3.2 基于加权多通道边框回归的跟踪算法流程 | 第28-30页 |
| 3.3 多通道边框回归 | 第30-32页 |
| 3.4 加权多通道边框回归 | 第32-35页 |
| 3.5 多尺寸采样 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 实验结果及分析 | 第39-48页 |
| 4.1 实验数据与评测标准 | 第39页 |
| 4.2 实验设置 | 第39-40页 |
| 4.3 主流跟踪算法对比实验 | 第40-42页 |
| 4.4 尺寸跟踪算法对比实验 | 第42-43页 |
| 4.5 多通道对比实验 | 第43-44页 |
| 4.6 基于时间的可变权重对比实验 | 第44-46页 |
| 4.7 多种采样策略对比实验 | 第46-47页 |
| 4.8 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 研究总结 | 第48-49页 |
| 5.2 研究展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-54页 |
| 作者简介 | 第54页 |
