| 致谢 | 第4-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景 | 第12-13页 |
| 1.3 研究意义 | 第13页 |
| 1.4 研究现状 | 第13-18页 |
| 1.4.1 目标局部特征描述 | 第14-16页 |
| 1.4.2 目标检测 | 第16-17页 |
| 1.4.3 目标跟踪 | 第17-18页 |
| 1.4.4 存在问题 | 第18页 |
| 1.5 论文结构安排 | 第18-20页 |
| 2 常用局部特征提取算法及其改进方法 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 HOG特征提取算法 | 第20-22页 |
| 2.2.1 HOG特征介绍 | 第20页 |
| 2.2.2 HOG特征提取算法的实现流程 | 第20-22页 |
| 2.3 改进HOG特征提取算法 | 第22-24页 |
| 2.4 LBP特征提取算法 | 第24-26页 |
| 2.4.1 LBP特征介绍 | 第24-25页 |
| 2.4.2 LBP特征用于检测的原理 | 第25-26页 |
| 2.5 改进LBP特征提取算法 | 第26-27页 |
| 2.5.1 圆域混合块LBP特征提取算法 | 第26-27页 |
| 2.5.2 LBP特征的降维算法 | 第27页 |
| 2.6 本章小结 | 第27-30页 |
| 3 基于改进HOG-PCA局部特征的SVM目标检测算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 改进HOG特征 | 第30-31页 |
| 3.3 PCA概述 | 第31-33页 |
| 3.4 支持向量机（SVM） | 第33-37页 |
| 3.5 算法整体流程 | 第37-39页 |
| 3.5.1 稠密采样 | 第37-38页 |
| 3.5.2 算法的整体流程 | 第38-39页 |
| 3.6 实验结果及分析 | 第39-41页 |
| 3.7 本章小结 | 第41-44页 |
| 4 基于CMBLBP局部特征的空时上下文目标跟踪算法 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 STC的视觉跟踪算法 | 第44-47页 |
| 4.2.1 上下文先验概率模型 | 第45页 |
| 4.2.2 置信图函数 | 第45-46页 |
| 4.2.3 空间上下文模型 | 第46页 |
| 4.2.4 STC算法视觉跟踪过程 | 第46-47页 |
| 4.3 上下文视觉显著性的跟踪算法 | 第47-50页 |
| 4.3.1 圆域混合块LBP算子 | 第47页 |
| 4.3.2 新的空间上下文模型 | 第47-49页 |
| 4.3.3 算法整体流程 | 第49-50页 |
| 4.4 实验结果及分析 | 第50-55页 |
| 4.4.1 实验结果 | 第50-54页 |
| 4.4.2 分析评价 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-60页 |
| 5.1 论文主要工作内容 | 第56-57页 |
| 5.2 论文主要创新点描述 | 第57页 |
| 5.3 研究展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第66页 |