| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文的主要工作和章节安排 | 第18-21页 |
| 第二章 TLD目标跟踪算法 | 第21-31页 |
| 2.1 TLD基本框架 | 第21页 |
| 2.2 跟踪模块 | 第21-25页 |
| 2.2.1 金字塔LK光流法 | 第21-23页 |
| 2.2.2 前向后向误差算法 | 第23-24页 |
| 2.2.3 跟踪流程 | 第24-25页 |
| 2.3 检测模块 | 第25-28页 |
| 2.3.1 方差分类器 | 第25页 |
| 2.3.2 集合分类器 | 第25-27页 |
| 2.3.3 最近邻分类器 | 第27-28页 |
| 2.4 学习模块和综合模块 | 第28-29页 |
| 2.4.1 学习模块 | 第28-29页 |
| 2.4.2 综合模块 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于旋转不变特征描述子的TLD算法 | 第31-51页 |
| 3.1 最近邻分类器的缺陷分析 | 第31-33页 |
| 3.2 基于旋转不变特征描述子的分类器 | 第33-42页 |
| 3.2.1 分类器目标模型的构建 | 第33-35页 |
| 3.2.2 旋转不变性特征 | 第35-39页 |
| 3.2.3 分类器分类决策模型的构建 | 第39-42页 |
| 3.3 基于FHP分类器的TLD算法 | 第42-49页 |
| 3.3.1 FHP_TLD算法跟踪原理 | 第42-43页 |
| 3.3.2 FHP_TLD算法学习原理 | 第43-44页 |
| 3.3.3 实验结果分析 | 第44-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于卡尔曼滤波的FHP_TLD算法 | 第51-65页 |
| 4.1 卡尔曼滤波器 | 第51-52页 |
| 4.2 基于卡拉曼滤波的FHP_TLD算法 | 第52-58页 |
| 4.2.1 Kalman滤波与FHP_TLD算法的融合 | 第53-55页 |
| 4.2.2 FHP_TLD算法时间性能的优化 | 第55-56页 |
| 4.2.3 FHP_TLD算法跟踪性能的优化 | 第56-57页 |
| 4.2.4 KFHP_TLD算法跟踪流程 | 第57-58页 |
| 4.3 实验结果及分析 | 第58-64页 |
| 4.3.1 KFHP_TLD算法时间性能的实验及分析 | 第59-60页 |
| 4.3.2 KFHP_TLD算法跟踪性能的实验及分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
