基于机器学习的目标跟踪技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 引言 | 第8页 |
| 1.2 课题研究的背景与意义 | 第8-9页 |
| 1.3 目标跟踪技术的研究现状 | 第9-16页 |
| 1.3.1 目标跟踪技术的研究现状概述 | 第9-10页 |
| 1.3.2 判别式跟踪算法的研究现状 | 第10-16页 |
| 1.3.2.1 目标表示 | 第10-14页 |
| 1.3.2.2 目标模型 | 第14-15页 |
| 1.3.2.3 模型更新 | 第15-16页 |
| 1.4 目标跟踪算法的难点 | 第16-17页 |
| 1.5 论文的主要内容及组织结构 | 第17-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第二章 算法的总体框架 | 第20-25页 |
| 2.1 引言 | 第20页 |
| 2.2 系统框架 | 第20-23页 |
| 2.2.1 分类器初始训练阶段 | 第20-21页 |
| 2.2.2 目标跟踪阶段 | 第21-22页 |
| 2.2.3 分类器在线更新阶段 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 特征提取 | 第25-29页 |
| 3.1 引言 | 第25页 |
| 3.2 HOG特征提取算法 | 第25-28页 |
| 3.3 HOG特征的优势 | 第28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于ELM的分类器初始训练算法 | 第29-34页 |
| 4.1 引言 | 第29页 |
| 4.2 ELM算法 | 第29-32页 |
| 4.2.1 ELM算法的原理 | 第29-31页 |
| 4.2.2 ELM分类器的优势 | 第31-32页 |
| 4.3 分类器初始训练流程 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 目标跟踪算法 | 第34-38页 |
| 5.1 引言 | 第34页 |
| 5.2 目标预测 | 第34页 |
| 5.3 搜索机制 | 第34-36页 |
| 5.3.1 滑动窗口搜索 | 第35-36页 |
| 5.3.2 搜索范围估计 | 第36页 |
| 5.4 分类决策 | 第36-37页 |
| 5.5 本章小结 | 第37-38页 |
| 第六章 分类器在线更新算法 | 第38-44页 |
| 6.1 引言 | 第38页 |
| 6.2 更新时机 | 第38-40页 |
| 6.3 更新过程 | 第40-43页 |
| 6.3.1 基于ELM的在线更新算法 | 第40-42页 |
| 6.3.2 在线更新步骤 | 第42-43页 |
| 6.4 本章小结 | 第43-44页 |
| 第七章 实验结果与分析 | 第44-59页 |
| 7.1 引言 | 第44页 |
| 7.2 实验环境 | 第44页 |
| 7.3 跟踪数据集 | 第44-47页 |
| 7.4 评价标准 | 第47-48页 |
| 7.5 实验实施与参数设置 | 第48-50页 |
| 7.6 实验结果 | 第50-56页 |
| 7.7 实验分析 | 第56-57页 |
| 7.8 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
