结构化的表观模型及两阶段目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状与待解问题 | 第10-13页 |
| 1.2.1 研究现状 | 第10-12页 |
| 1.2.2 亟待解决的问题 | 第12-13页 |
| 1.3 常见的目标跟踪算法概述 | 第13-19页 |
| 1.4 本文主要工作与结构 | 第19-21页 |
| 1.4.1 本文主要工作 | 第19-20页 |
| 1.4.2 本文结构 | 第20-21页 |
| 第2章 目标跟踪中的相关知识 | 第21-34页 |
| 2.1 视觉特征表示 | 第21-26页 |
| 2.1.1 全局特征表示 | 第21-24页 |
| 2.1.2 局部特征表示 | 第24-25页 |
| 2.1.3 特征表示的比较分析 | 第25-26页 |
| 2.2 监督式学习 | 第26-30页 |
| 2.2.1 支持向量机（SVM） | 第26-27页 |
| 2.2.2 贝叶斯理论 | 第27-29页 |
| 2.2.3 贝叶斯理论的应用 | 第29-30页 |
| 2.3 跟踪-检测的统计建模 | 第30-34页 |
| 2.3.1 基于子空间学习的生成模型 | 第31-32页 |
| 2.3.2 基于boosting的判别模型 | 第32-34页 |
| 第3章 基于适应性基准模型的两阶段跟踪算法 | 第34-43页 |
| 3.1 偏最小二乘法降维 | 第34-35页 |
| 3.2 粒子滤波采样 | 第35-36页 |
| 3.3 适应性的基准模板 | 第36-37页 |
| 3.4 跟踪算法 | 第37-38页 |
| 3.5 实验结果及分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于结构化熵表观模型的两阶段跟踪算法 | 第43-54页 |
| 4.1 结构化的熵特征表观模型 | 第43-45页 |
| 4.2 分类器的构造和更新 | 第45-46页 |
| 4.3 两阶段级联的跟踪算法 | 第46-48页 |
| 4.4 实验结果及分析 | 第48-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第61-62页 |
| 致谢 | 第62-63页 |
