| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国际研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文主要工作与创新点 | 第14-15页 |
| 1.4 论文内容安排情况 | 第15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 STC贝叶斯框架以及TLD框架的跟踪算法介绍 | 第17-29页 |
| 2.1 STC算法 | 第17-19页 |
| 2.2 TLD跟踪算法 | 第19-21页 |
| 2.3 跟踪器 | 第21-22页 |
| 2.4 检测器 | 第22-25页 |
| 2.4.1 方差滤波器 | 第22-23页 |
| 2.4.2 集成分类器 | 第23-24页 |
| 2.4.3 最近邻分类器 | 第24-25页 |
| 2.5 学习器 | 第25-27页 |
| 2.6 综合处理模块 | 第27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 自适应学习的时空上下文目标跟踪算法 | 第29-51页 |
| 3.1 SIFT特征点 | 第29-41页 |
| 3.1.1 尺度空间极值检测 | 第30-36页 |
| 3.1.2 关键点定位 | 第36-38页 |
| 3.1.3 为关键点分配方向 | 第38-39页 |
| 3.1.4 关键点描述符 | 第39-41页 |
| 3.2 SIFT匹配 | 第41-42页 |
| 3.3 RANSAC去除误匹配 | 第42-43页 |
| 3.4 STC跟踪窗口的自适应调整 | 第43-44页 |
| 3.5 空间模型更新的改进 | 第44-46页 |
| 3.6 实验结果 | 第46-48页 |
| 3.6.1 实验参数 | 第46页 |
| 3.6.2 评估结果 | 第46-48页 |
| 3.7 本章小节 | 第48-51页 |
| 第四章 自适应的时空上下文抗遮挡 | 第51-63页 |
| 4.1 运动相似度方法的由来 | 第51-52页 |
| 4.2 一种基于加权时空上下文的鲁棒视觉跟踪算法 | 第52-54页 |
| 4.3 跟踪点与STC前后输出框运动相似度的计算方法 | 第54-56页 |
| 4.4 实验结果 | 第56-62页 |
| 4.4.1 实验参数 | 第57页 |
| 4.4.2 实验结果 | 第57-60页 |
| 4.4.3 目标尺度变化 | 第60-61页 |
| 4.4.4 目标遮挡 | 第61页 |
| 4.4.5 目标旋转以及快速移动 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 时空上下文相似性的TLD目标跟踪算法 | 第63-75页 |
| 5.1 显著跟踪点与STC计算框运动相似度计算 | 第64页 |
| 5.2 目标时空模型 | 第64-65页 |
| 5.3 空间模型更新 | 第65-67页 |
| 5.4 实验结果与分析 | 第67-73页 |
| 5.4.1 实验结果 | 第67-71页 |
| 5.4.2 光照改变和目标变形 | 第71页 |
| 5.4.3 快速移动及运动模糊 | 第71-72页 |
| 5.4.4 遮挡以及目标旋转 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 总结 | 第75页 |
| 6.2 工作展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录A 攻读学位期间发表的论文与专利 | 第83-85页 |
| 附录B 攻读学位期间参与的研究工作 | 第85页 |