| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 符号对照表 | 第17-18页 |
| 第一章 绪论 | 第18-38页 |
| 1.1 研究背景和意义 | 第18-20页 |
| 1.2 目标跟踪研究现状 | 第20-34页 |
| 1.2.1 目标跟踪研究内容与主要挑战 | 第20-22页 |
| 1.2.2 目标跟踪研究进展 | 第22-30页 |
| 1.2.3 目标跟踪算法评价体系 | 第30-34页 |
| 1.3 论文主要研究工作 | 第34-36页 |
| 1.4 论文结构与安排 | 第36-38页 |
| 第二章 基于最大颜色差值直方图的抗光照变化实时目标跟踪 | 第38-60页 |
| 2.1 直方图描述子 | 第39-40页 |
| 2.2 最大颜色差值直方图 | 第40-42页 |
| 2.3 局部积分直方图 | 第42-45页 |
| 2.4 最小最大差值比率度量 | 第45页 |
| 2.5 跟踪算法 | 第45-46页 |
| 2.6 实验结果与分析 | 第46-58页 |
| 2.6.1 实验设置 | 第46-47页 |
| 2.6.2 MCDH对比平均颜色差值直方图与最小颜色差值直方图 | 第47-49页 |
| 2.6.3 与传统直方图及常见度量的比较 | 第49-52页 |
| 2.6.4 基于主流算法的定性评价 | 第52-56页 |
| 2.6.5 基于主流算法的定量评价 | 第56-57页 |
| 2.6.6 失败案例分析及讨论 | 第57-58页 |
| 2.7 本章小结 | 第58-60页 |
| 第三章 基于空间核多线索自适应外观模型的实时目标跟踪 | 第60-76页 |
| 3.1 基本理论 | 第61-64页 |
| 3.1.1 基于随机投影的维度减除 | 第61-62页 |
| 3.1.2 朴素贝叶斯分类器 | 第62-64页 |
| 3.2 基于空间核的外观呈现 | 第64-67页 |
| 3.3 多特征融合学习 | 第67-70页 |
| 3.4 基于KBMCAAM的跟踪算法框架 | 第70-71页 |
| 3.5 实验结果与分析 | 第71-75页 |
| 3.5.1 定性分析 | 第72-74页 |
| 3.5.2 定量分析 | 第74-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第四章 基于融合整体信息的局部自适应外观模型的实时目标跟踪 | 第76-84页 |
| 4.1 局部自适应外观模型 | 第77页 |
| 4.2 整体外观信息融合 | 第77-78页 |
| 4.3 跟踪算法 | 第78-79页 |
| 4.4 实验结果与分析 | 第79-82页 |
| 4.4.1 实验设置 | 第79-81页 |
| 4.4.2 定性分析 | 第81页 |
| 4.4.3 定量分析 | 第81-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第五章 基于判别词袋自适应外观模型的鲁棒准实时目标跟踪 | 第84-118页 |
| 5.1 基于视觉词袋模型的目标跟踪 | 第86-89页 |
| 5.2 问题建模 | 第89-91页 |
| 5.3 判别词袋模型 | 第91-94页 |
| 5.4 自适应词袋更新 | 第94-97页 |
| 5.5 目标跟踪框架 | 第97-98页 |
| 5.6 算法实现 | 第98-99页 |
| 5.7 实验结果与分析 | 第99-116页 |
| 5.7.1 评价方法 | 第99-100页 |
| 5.7.2 基于OTB50的定性分析 | 第100-104页 |
| 5.7.3 基于OTB50的定量分析 | 第104-108页 |
| 5.7.4 参数分析 | 第108-110页 |
| 5.7.5 模块贡献分析 | 第110-111页 |
| 5.7.6 跟踪失败案例分析 | 第111-112页 |
| 5.7.7 基于VOT2015与最新算法的比较 | 第112-115页 |
| 5.7.8 基于VOT2015与相关算法的比较 | 第115-116页 |
| 5.8 本章小结 | 第116-118页 |
| 第六章 总结与展望 | 第118-122页 |
| 附录A 缩略语表 | 第122-124页 |
| 参考文献 | 第124-138页 |
| 致谢 | 第138-142页 |
| 攻读学位期间发表的学术论文目录 | 第142页 |
