基于人视觉智能特性的鲁棒目标跟踪方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景及意义 | 第12-15页 |
| 1.3 视觉目标跟踪概述 | 第15-18页 |
| 1.4 视觉目标跟踪的难点 | 第18-19页 |
| 1.5 本文的主要内容及安排 | 第19-22页 |
| 第2章 鲁棒目标跟踪概述 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 目标跟踪问题描述 | 第22-28页 |
| 2.2.1 贝叶斯概率跟踪 | 第22-24页 |
| 2.2.2 目标运动估计 | 第24-27页 |
| 2.2.3 目标观测模型 | 第27-28页 |
| 2.3 提高跟踪鲁棒性的主要策略 | 第28-30页 |
| 2.3.1 在线学习 | 第28页 |
| 2.3.2 特征选择 | 第28-29页 |
| 2.3.3 鲁棒目标模型 | 第29页 |
| 2.3.4 多线索融合 | 第29-30页 |
| 2.4 生物视觉启发的目标跟踪概况 | 第30-34页 |
| 第3章 基于差异特征选择的鲁棒跟踪 | 第34-40页 |
| 3.1 引言 | 第34-35页 |
| 3.2 差异特征模型 | 第35-36页 |
| 3.2.1 特征空间 | 第35页 |
| 3.2.2 特征区域 | 第35-36页 |
| 3.2.3 特征差异性度量 | 第36页 |
| 3.3 跟踪算法流程 | 第36-37页 |
| 3.4 实验分析 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于显著子区域选择的鲁棒跟踪 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 基于区域外观模型的跟踪概述 | 第40-41页 |
| 4.3 基于显著子区域选择的跟踪 | 第41-46页 |
| 4.3.1 问题描述 | 第41-42页 |
| 4.3.2 候选子区域选择 | 第42-43页 |
| 4.3.3 子区域时序显著性测量 | 第43-44页 |
| 4.3.4 目标状态估计 | 第44页 |
| 4.3.5 在线选择 | 第44-46页 |
| 4.4 实验与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于全局估计和背景学习的鲁棒跟踪 | 第50-62页 |
| 5.1 引言 | 第50-51页 |
| 5.2 基于全局估计和背景学习的跟踪 | 第51-57页 |
| 5.2.1 问题描述 | 第51-52页 |
| 5.2.2 跟踪框架 | 第52页 |
| 5.2.3 目标模型 | 第52-56页 |
| 5.2.4 目标状态估计 | 第56页 |
| 5.2.5 模型更新 | 第56-57页 |
| 5.2.6 跟踪流程 | 第57页 |
| 5.3 实验及结果分析 | 第57-61页 |
| 5.3.1 实验设置 | 第57页 |
| 5.3.2 结果分析 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-74页 |
| 致谢 | 第74-76页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第76页 |
