复杂场景下实时视觉目标跟踪的若干研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-30页 |
| ·研究背景和意义 | 第12-15页 |
| ·视觉目标跟踪的国内外研究状况 | 第15-18页 |
| ·视觉目标跟踪系统综述 | 第18-25页 |
| ·视觉目标跟踪存在问题和挑战 | 第25-27页 |
| ·本文的研究内容及论文结构 | 第27-30页 |
| ·本论文的主要创新点 | 第27-29页 |
| ·本论文的结构安排 | 第29-30页 |
| 第2章 协同训练框架下变权重实时压缩跟踪算法 | 第30-56页 |
| ·引言 | 第30-31页 |
| ·压缩跟踪 | 第31-35页 |
| ·判别分类器的构建和更新 | 第31-34页 |
| ·压缩跟踪器的在线特征提取准则 | 第34-35页 |
| ·本章算法的主要原理 | 第35-41页 |
| ·加权压缩跟踪器 | 第35-39页 |
| ·协同训练框架下分类器更新准则 | 第39-40页 |
| ·协同训练框架下在线变权重压缩跟踪算法 | 第40-41页 |
| ·实验结果 | 第41-54页 |
| ·本章中的参数设置 | 第41-42页 |
| ·定性评价 | 第42-48页 |
| ·定量比较 | 第48-52页 |
| ·讨论 | 第52-54页 |
| ·本章总结 | 第54-56页 |
| 第3章 基于偏最小二乘和稀疏学习的实时视觉跟踪 | 第56-86页 |
| ·引言 | 第56-59页 |
| ·本章的一些预备知识 | 第59-64页 |
| ·偏最小二乘方法 | 第60-62页 |
| ·基于稀疏表示的目标跟踪 | 第62-64页 |
| ·本章算法的主要原理 | 第64-69页 |
| ·子空间学习和目标外观表示方法 | 第64-67页 |
| ·遮挡检测和外观模板在线更新 | 第67-69页 |
| ·实验结果 | 第69-83页 |
| ·参数设置 | 第70-71页 |
| ·定性比较 | 第71-82页 |
| ·定量比较 | 第82-83页 |
| ·本章总结 | 第83-86页 |
| 第4章 总结和展望 | 第86-90页 |
| ·本文工作总结 | 第86-87页 |
| ·进一步的研究工作和展望 | 第87-90页 |
| 参考文献 | 第90-100页 |
| 攻读博士学位期间发表的论文和参与的科研项目 | 第100-102页 |
| 发表论文 | 第100页 |
| 参与科研项目 | 第100-102页 |
| 致谢 | 第102-103页 |