面向复杂环境的视觉跟踪方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的工作与安排 | 第14-16页 |
| 第二章 视觉目标跟踪相关技术 | 第16-22页 |
| 2.1 基于传统机器学习技术的目标跟踪方法简介 | 第16-18页 |
| 2.2 基于深度学习技术的目标跟踪方法简介 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于空间正则化图学习的目标跟踪方法 | 第22-41页 |
| 3.1 相关工作 | 第22-23页 |
| 3.2 基于空间正则化图学习的目标跟踪方法 | 第23-33页 |
| 3.2.1 空间正则化图模型的构建 | 第24-27页 |
| 3.2.2 模型优化及求解 | 第27-32页 |
| 3.2.3 结构化SVM跟踪框架 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-40页 |
| 3.3.1 参数设定与数据集介绍 | 第33-35页 |
| 3.3.2 实验对比与结果分析 | 第35-39页 |
| 3.3.3 组成成分分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于双流卷积神经网络的多模态跟踪方法 | 第41-55页 |
| 4.1 相关工作 | 第41-43页 |
| 4.1.1 多模态跟踪方法简介 | 第41-42页 |
| 4.1.2 双流卷积神经网络简介 | 第42-43页 |
| 4.2 基于双流卷积神经网络的多模态跟踪方法 | 第43-48页 |
| 4.2.1 双流卷积神经网络构建 | 第43-44页 |
| 4.2.2 融合子网络构建与特征图选择 | 第44-46页 |
| 4.2.3 多模态目标跟踪框架 | 第46-47页 |
| 4.2.4 在线更新策略 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-54页 |
| 4.3.1 参数设定与数据集介绍 | 第48-49页 |
| 4.3.2 实验对比与结果分析 | 第49-52页 |
| 4.3.3 组成成分分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 攻读硕士学位期间参加的科研项目 | 第64页 |
