| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 视频目标跟踪研究现状 | 第15-16页 |
| 1.2.2 目标跟踪算法研究现状 | 第16-18页 |
| 1.3 本文的主要工作及章节安排 | 第18-20页 |
| 第二章 运动目标跟踪概述 | 第20-28页 |
| 2.1 常见的目标跟踪算法 | 第20-24页 |
| 2.1.1 基于匹配的跟踪算法 | 第20-22页 |
| 2.1.2 基于滤波的跟踪算法 | 第22-23页 |
| 2.1.3 基于分类的跟踪算法 | 第23-24页 |
| 2.2 目标特征提取 | 第24-27页 |
| 2.2.1 颜色特征 | 第24页 |
| 2.2.2 纹理特征 | 第24-26页 |
| 2.2.3 梯度特征 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于SVM的目标跟踪算法 | 第28-42页 |
| 3.1 支持向量机模型 | 第28-34页 |
| 3.1.1 线性支持向量机 | 第28-32页 |
| 3.1.2 非线性支持向量机 | 第32-34页 |
| 3.2 序列最小优化算法 | 第34-36页 |
| 3.3 基于SVM的目标跟踪算法 | 第36-38页 |
| 3.3.1 基于SVM的离线学习跟踪算法 | 第36-37页 |
| 3.3.2 基于SVM的在线学习跟踪算法 | 第37-38页 |
| 3.4 结构化SVM模型 | 第38-39页 |
| 3.5 Struck跟踪算法 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于结构化SVM的自适应尺度跟踪算法 | 第42-54页 |
| 4.1 自适应尺度跟踪模型 | 第42-45页 |
| 4.2 目标跟踪过程 | 第45-49页 |
| 4.2.1 采样策略 | 第45-47页 |
| 4.2.2 预测目标位置 | 第47-48页 |
| 4.2.3 确定目标位置和尺度 | 第48-49页 |
| 4.3 在线增量学习 | 第49-52页 |
| 4.4 跟踪算法流程 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 算法仿真及结果分析 | 第54-66页 |
| 5.1 性能评价标准及测试集 | 第54-56页 |
| 5.1.1 跟踪算法性能评价标准 | 第54-55页 |
| 5.1.2 测试集 | 第55-56页 |
| 5.1.3 实验环境与配置 | 第56页 |
| 5.2 SSVT算法在测试集中性能测试 | 第56-63页 |
| 5.2.1 SSVT算法的参数设定 | 第56-57页 |
| 5.2.2 SSVT算法与Struck算法性能对比 | 第57-63页 |
| 5.3 SSVT算法在实际场景中性能测试 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72-73页 |