| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 相关工作 | 第13-19页 |
| 1.2.1 多目标跟踪 | 第13-14页 |
| 1.2.2 多分类目标检测与行人检测 | 第14-17页 |
| 1.2.3 行人再识别 | 第17-19页 |
| 1.3 本文的研究内容和主要贡献 | 第19页 |
| 1.4 本章总结 | 第19-21页 |
| 第二章 同时进行目标检测与特征提取的网络设计 | 第21-38页 |
| 2.1 目标检测子网络 | 第21-27页 |
| 2.1.1 Faster R-CNN | 第21-22页 |
| 2.1.2 多尺度目标检测 | 第22-23页 |
| 2.1.3 拥挤场景下的行人检测 | 第23-27页 |
| 2.2 特征提取子网络 | 第27-31页 |
| 2.3 DAE网络实现细节 | 第31-33页 |
| 2.4 DAE网络训练过程 | 第33-37页 |
| 2.4.1 目标检测子网络的训练 | 第33-35页 |
| 2.4.2 特征提取子网络的训练 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 在线多目标行人跟踪 | 第38-50页 |
| 3.1 使用卡尔曼滤波进行运动估计 | 第40-44页 |
| 3.1.1 卡尔曼滤波 | 第41-44页 |
| 3.1.2 多目标跟踪中的运动估计 | 第44页 |
| 3.2 目标匹配 | 第44-48页 |
| 3.2.1 目标间距离的度量方法 | 第44-46页 |
| 3.2.2 级联目标匹配 | 第46页 |
| 3.2.3 分块目标匹配 | 第46-48页 |
| 3.3 本章总结 | 第48-50页 |
| 第四章 实验结果与分析 | 第50-63页 |
| 4.1 DAE网络对比实验 | 第50-54页 |
| 4.1.1 特征金字塔对于小目标检测的影响 | 第50页 |
| 4.1.2 DAE网络的运行效率分析 | 第50-53页 |
| 4.1.3 排斥数据项对于拥挤场景中行人检测的影响 | 第53-54页 |
| 4.2 多目标跟踪算法评测标准 | 第54-59页 |
| 4.2.1 基于事件的评测标准 | 第54-57页 |
| 4.2.2 基于一致性的评测标准 | 第57-59页 |
| 4.3 多目标跟踪算法实验结果 | 第59-60页 |
| 4.4 本章总结 | 第60-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |