| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-33页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-29页 |
| 1.2.1 目标表示模型 | 第13-24页 |
| 1.2.2 目标预测机制 | 第24-25页 |
| 1.2.3 模型更新机制 | 第25-26页 |
| 1.2.4 多跟踪模型融合 | 第26-29页 |
| 1.3 研究内容及创新点 | 第29-32页 |
| 1.3.1 在线目标跟踪框架总结及分析 | 第29-31页 |
| 1.3.2 基于目标外观与运动流分割的非刚体目标跟踪 | 第31页 |
| 1.3.3 基于空间约束与运动估计的改进直推式学习跟踪 | 第31-32页 |
| 1.3.4 基于外观模型与运动估计的高阶正则化融合跟踪 | 第32页 |
| 1.4 论文内容安排 | 第32-33页 |
| 第2章 基于目标外观与运动流分割的非刚体目标跟踪 | 第33-49页 |
| 2.1 引言 | 第33-35页 |
| 2.2 基于在线Hough Forests的目标跟踪 | 第35-37页 |
| 2.3 基于在线Hough Forests与运动流分割的目标跟踪 | 第37-40页 |
| 2.3.1 基于运动流的目标分割模型 | 第37-39页 |
| 2.3.2 基于在线Hough Forests与运动流分割的跟踪框架 | 第39-40页 |
| 2.4 实验结果及分析 | 第40-47页 |
| 2.4.1 实验设置 | 第40-41页 |
| 2.4.2 定量评价及分析 | 第41-44页 |
| 2.4.3 定性评价及分析 | 第44-47页 |
| 2.5 本章小节 | 第47-49页 |
| 第3章 基于空间约束与运动估计的改进直推式学习跟踪 | 第49-69页 |
| 3.1 引言 | 第49-50页 |
| 3.2 基于空间约束与运动估计的改进TSVM学习算法 | 第50-54页 |
| 3.2.1 传统的TSVM学习算法 | 第50-52页 |
| 3.2.2 改进的TSVM学习算法 | 第52-54页 |
| 3.3 基于空间约束与运动估计的改进TSVM跟踪算法 | 第54-58页 |
| 3.3.1 基于空间约束与运动估计的改进TSVM跟踪框架 | 第55-56页 |
| 3.3.2 外观模型 | 第56页 |
| 3.3.3 运动模型 | 第56-57页 |
| 3.3.4 选择性目标预测机制 | 第57-58页 |
| 3.3.5 基于预算缓冲的模型更新机制 | 第58页 |
| 3.4 实验结果及分析 | 第58-66页 |
| 3.4.1 实验设置 | 第58-59页 |
| 3.4.2 定量评价及分析 | 第59-61页 |
| 3.4.3 定性评价及分析 | 第61-66页 |
| 3.5 本章小结 | 第66-69页 |
| 第4章 基于外观模型与运动估计的高阶正则化融合跟踪 | 第69-87页 |
| 4.1 引言 | 第69-70页 |
| 4.2 基于高阶正则化融合的半监督学习 | 第70-76页 |
| 4.2.1 基于核函数目标预测的外观正则项 | 第72-74页 |
| 4.2.2 基于图结构的运动估计正则项 | 第74-76页 |
| 4.3 基于外观模型与运动估计的高阶正则化融合跟踪 | 第76-78页 |
| 4.3.1 基于外观模型与运动估计的高阶正则化融合跟踪框架 | 第76-77页 |
| 4.3.2 自适应的目标尺度估计 | 第77页 |
| 4.3.3 快速运动目标定位 | 第77-78页 |
| 4.3.4 快速的图像块相似度估计 | 第78页 |
| 4.4 实验结果及分析 | 第78-85页 |
| 4.4.1 实验设置 | 第78-79页 |
| 4.4.2 定量评价及分析 | 第79-80页 |
| 4.4.3 定性评价及分析 | 第80-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第5章 总结与展望 | 第87-91页 |
| 5.1 本文工作总结 | 第87-88页 |
| 5.2 未来工作展望 | 第88-91页 |
| 参考文献 | 第91-105页 |
| 附录 | 第105-109页 |
| 致谢 | 第109-111页 |
| 攻读博士学位期间发表的学术论文 | 第111-113页 |
| 攻读博士学位期间参加的科研项目 | 第113-114页 |
