变尺度对象追踪技术及应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 视频分析系统概念及意义 | 第9-10页 |
| 1.1.2 视频对象追踪技术概念及现状 | 第10-12页 |
| 1.2 论文主要工作及贡献 | 第12-14页 |
| 1.3 本文组织结构 | 第14-16页 |
| 第2章 相关研究综述 | 第16-29页 |
| 2.1 视频对象追踪算法研究概述 | 第16-22页 |
| 2.1.1 问题描述 | 第17-18页 |
| 2.1.2 目标对象特征表示 | 第18-19页 |
| 2.1.3 追踪模型定位算法 | 第19-22页 |
| 2.1.4 模型参数更新策略 | 第22页 |
| 2.2 基于相关滤波器的对象追踪算法 | 第22-25页 |
| 2.3 多尺度相关滤波追踪模型 | 第25-27页 |
| 2.4 追踪实验评估策略 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于相关滤波的变尺度追踪训练算法 | 第29-44页 |
| 3.1 变尺度单滤波追踪流程 | 第29-31页 |
| 3.2 基于循环结构的密集采样 | 第31-33页 |
| 3.3 核化岭回归的快速傅立叶计算法 | 第33-36页 |
| 3.3.1 核化岭回归算法 | 第33-34页 |
| 3.3.2 基于离散傅立叶计算的模型训练过程 | 第34-35页 |
| 3.3.3 快速的对象检测追踪算法 | 第35-36页 |
| 3.4 “四角型”滤波响应高斯类标矩阵 | 第36-43页 |
| 3.4.1 边缘化正例样本 | 第38-41页 |
| 3.4.2 局部分块追踪 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 目标窗口贝叶斯推断及带权插值更新 | 第44-64页 |
| 4.1 基于贝叶斯框架的目标窗口推断 | 第44-49页 |
| 4.1.1 局部滤波响应的时空置信度 | 第44-46页 |
| 4.1.2 目标窗口极大后验概率 | 第46-49页 |
| 4.2 带权插值法模型更新策略 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-63页 |
| 4.3.1 视频对象追踪数据集 | 第51-52页 |
| 4.3.2 对照算法及实现细节 | 第52-54页 |
| 4.3.3 变尺度追踪的实验与分析 | 第54-58页 |
| 4.3.4 其他视频的实验结果 | 第58-60页 |
| 4.3.5 追踪器运行速度比较 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 监控视频智能分析原型系统设计与开发 | 第64-74页 |
| 5.1 应用需求及系统框架设计 | 第64-67页 |
| 5.1.1 智能视频监控系统需求描述 | 第64-65页 |
| 5.1.2 主要模块与运行流程 | 第65-66页 |
| 5.1.3 原型系统开发环境 | 第66-67页 |
| 5.2 系统模块设计与实现 | 第67-73页 |
| 5.2.1 Faster R-CNN对象检测模块 | 第67-68页 |
| 5.2.2 变尺度单滤波追踪模块 | 第68-71页 |
| 5.2.3 异常行为识别及报警模块 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-77页 |
| 6.1 论文内容总结 | 第74-75页 |
| 6.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第83页 |
