| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 目标跟踪研究现状及挑战 | 第11-15页 |
| 1.2.1 研究现状 | 第11-14页 |
| 1.2.2 技术挑战 | 第14-15页 |
| 1.3 本文研究内容与结构安排 | 第15-18页 |
| 第2章 相关滤波跟踪算法基础 | 第18-30页 |
| 2.1 相关滤波器 | 第18-21页 |
| 2.1.1 傅里叶变换 | 第18-19页 |
| 2.1.2 相关的基本概念 | 第19-20页 |
| 2.1.3 经典相关滤波器 | 第20-21页 |
| 2.2 核函数的介绍 | 第21-22页 |
| 2.3 特征提取 | 第22-23页 |
| 2.4 相关滤波跟踪基本原理 | 第23-28页 |
| 2.4.1 稠密采样 | 第23-25页 |
| 2.4.2 分类器训练 | 第25-27页 |
| 2.4.3 检测与更新 | 第27-28页 |
| 2.4.4 相关滤波跟踪流程 | 第28页 |
| 2.5 目标跟踪测试数据库 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 融合颜色特征与HOG特征的相关滤波跟踪算法 | 第30-42页 |
| 3.1 多特征目标描述 | 第30-32页 |
| 3.1.1 颜色特征 | 第30-31页 |
| 3.1.2 方向梯度直方图 | 第31-32页 |
| 3.2 特征融合 | 第32-36页 |
| 3.2.1 特征融合策略 | 第33页 |
| 3.2.2 决策层特征融合 | 第33-36页 |
| 3.3 融合CN特征与HOG特征的相关滤波跟踪算法流程 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.4.1 性能评价标准 | 第38-39页 |
| 3.4.2 对比分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 尺度与学习速率自适应的相关滤波跟踪算法 | 第42-60页 |
| 4.1 图像信息量 | 第42-44页 |
| 4.2 尺度预测 | 第44-45页 |
| 4.3 学习速率自适应调整 | 第45-48页 |
| 4.3.1 图象相似度比较 | 第46-47页 |
| 4.3.2 分段调整学习速率 | 第47-48页 |
| 4.4 尺度与学习速率自适应跟踪算法流程 | 第48-50页 |
| 4.5 实验结果与分析 | 第50-58页 |
| 4.5.1 自适应学习速率模块实验 | 第50-52页 |
| 4.5.2 尺度自适应模块实验 | 第52-54页 |
| 4.5.3 尺度与学习速率自适应的相关滤波跟踪算法实验 | 第54-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的论文 | 第68页 |
