| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 目标跟踪的研究背景和意义 | 第10-11页 |
| 1.2 目标跟踪的研究现状 | 第11-12页 |
| 1.3 论文的研究工作及创新 | 第12-13页 |
| 1.4 论文的章节安排 | 第13-15页 |
| 第二章 经典目标跟踪算法 | 第15-25页 |
| 2.1 MeanShift 跟踪算法 | 第15-19页 |
| 2.1.1 Mean Shift 算法理论 | 第15-17页 |
| 2.1.2 基于 Mean Shift 的跟踪算法 | 第17-19页 |
| 2.2 粒子滤波跟踪算法 | 第19-24页 |
| 2.2.1 粒子滤波理论 | 第20-23页 |
| 2.2.2 标准粒子滤波算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 颜色直方图 | 第25-33页 |
| 3.1 颜色空间 | 第25-27页 |
| 3.1.1 RGB 颜色空间 | 第25-26页 |
| 3.1.2 HSV 颜色空间 | 第26-27页 |
| 3.2 传统颜色直方图 | 第27-28页 |
| 3.2.1 全局颜色直方图 | 第27页 |
| 3.2.2 累加颜色直方图 | 第27-28页 |
| 3.3 改进的直方图 | 第28-30页 |
| 3.4 光照不变性特征 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 超像素学习 | 第33-42页 |
| 4.1 超像素的概念 | 第33-34页 |
| 4.2 超像素的计算 | 第34-37页 |
| 4.2.1 基于图论的计算方法 | 第34页 |
| 4.2.2 基于梯度的计算方法 | 第34-37页 |
| 4.3 超像素学习 | 第37-41页 |
| 4.3.1 基于超像素的外观模型 | 第37-39页 |
| 4.3.2 基于超像素的置信图 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 分块目标跟踪系统 | 第42-64页 |
| 5.1 目标分块模型 | 第42-46页 |
| 5.1.1 基于形状的分块 | 第42-43页 |
| 5.1.2 基于特征点的分块 | 第43-46页 |
| 5.1.3 分块的几何拓扑模型 | 第46页 |
| 5.2 目标分块跟踪方法 | 第46-53页 |
| 5.2.1 A-BHMC 跟踪方法 | 第47-50页 |
| 5.2.2 分块的在线更新 | 第50-52页 |
| 5.2.3 超像素学习的更新 | 第52-53页 |
| 5.3 实验结果分析 | 第53-63页 |
| 5.3.1 算法流程 | 第53-54页 |
| 5.3.2 评测指标 | 第54-55页 |
| 5.3.3 实验结果 | 第55-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间已发表或录用的论文 | 第71-72页 |
| 附件 | 第72页 |