| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的目的和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 目标检测与跟踪算法概述 | 第16-27页 |
| 2.1 特征提取算法分类 | 第16-19页 |
| 2.1.1 颜色特征 | 第16-17页 |
| 2.1.2 纹理特征 | 第17页 |
| 2.1.3 角点特征 | 第17-18页 |
| 2.1.4 梯度特征 | 第18-19页 |
| 2.2 机器学习算法概述 | 第19-25页 |
| 2.2.1 基于朴素贝叶斯的学习算法 | 第22-23页 |
| 2.2.2 基于逻辑回归的学习算法 | 第23-24页 |
| 2.2.3 基于支持向量机的学习算法 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于HOG-LBPHF的目标检测算法 | 第27-40页 |
| 3.1 图像目标描述 | 第27-33页 |
| 3.1.1 HOG特征 | 第27-29页 |
| 3.1.2 LBPHF特征 | 第29-33页 |
| 3.2 基于HOG-LBP的目标检测算法 | 第33-37页 |
| 3.2.1 基于线性SVM的分类算法 | 第33-34页 |
| 3.2.2 检测窗口的多尺度融合算法 | 第34-37页 |
| 3.3 实验结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于结构支持向量机的目标跟踪系统 | 第40-58页 |
| 4.1 目标跟踪系统设计 | 第40-42页 |
| 4.2 快速HOG-LBPHF特征 | 第42-44页 |
| 4.3 结构SVM的在线跟踪模型 | 第44-49页 |
| 4.3.1 基于损失函数的SVM优化方法 | 第45-48页 |
| 4.3.2 基于感知器的在线更新方法 | 第48-49页 |
| 4.4 基于特征HOG-LBPHF和结构SVM的目标跟踪算法 | 第49-54页 |
| 4.5 实验结果分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |