| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 课题研究背景及意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 运动目标跟踪技术难点 | 第20-24页 |
| 1.4 本文研究内容和组织结构 | 第24-28页 |
| 1.4.1 本文研究内容 | 第24-26页 |
| 1.4.2 本文组织结构 | 第26-28页 |
| 第2章 运动目标特征表示与提取 | 第28-40页 |
| 2.1 引言 | 第28页 |
| 2.2 传统图像特征 | 第28-34页 |
| 2.2.1 颜色直方图特征 | 第29-30页 |
| 2.2.2 LBP特征 | 第30-31页 |
| 2.2.3 Haar特征 | 第31-33页 |
| 2.2.4 SIFT特征 | 第33-34页 |
| 2.3 深度图像特征 | 第34-39页 |
| 2.3.1 SDAE特征 | 第35-37页 |
| 2.3.2 CNN特征 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 基于深度学习框架的显著性运动目标跟踪算法设计 | 第40-50页 |
| 3.1 引言 | 第40-41页 |
| 3.2 CNN深度学习框架 | 第41-44页 |
| 3.2.1 CNN网络模型 | 第41-43页 |
| 3.2.2 CNN模型离线训练 | 第43-44页 |
| 3.3 显著性运动目标特征表示与计算 | 第44-47页 |
| 3.4 运动目标跟踪算法设计流程 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于CNN的显著性运动目标跟踪算法在部队安防中的测试与应用 | 第50-60页 |
| 4.1 引言 | 第50页 |
| 4.2 对比算法和测试数据 | 第50-52页 |
| 4.2.1 对比算法 | 第51页 |
| 4.2.2 测试数据 | 第51-52页 |
| 4.3 部队安防中多角度应用场景测试与分析 | 第52-57页 |
| 4.3.1 航空飞行目标跟踪 | 第52-53页 |
| 4.3.2 公路可疑车辆运动目标跟踪 | 第53-55页 |
| 4.3.3 公共场所的运动目标跟踪 | 第55-57页 |
| 4.3.4 比赛场景中运动目标跟踪 | 第57页 |
| 4.4 测试与应用结果的整体对比分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-63页 |
| 5.1 本文总结 | 第60-62页 |
| 5.2 本文展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简介及在学期间所取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |