摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第18-25页 |
1.1 研究背景和意义 | 第18-19页 |
1.2 国内外研究现状 | 第19-23页 |
1.2.1 目标跟踪算法面临的挑战 | 第19页 |
1.2.2 当前主流目标跟踪算法综述 | 第19-22页 |
1.2.3 目标跟踪算法性能的评价准则 | 第22-23页 |
1.3 论文的主要工作 | 第23-25页 |
1.3.1 论文研究内容 | 第23-24页 |
1.3.2 论文结构安排 | 第24-25页 |
第2章 视频目标跟踪建模理论与关键技术 | 第25-39页 |
2.1 建模理论 | 第25页 |
2.2 生成式模型 | 第25-35页 |
2.2.1 基于粒子滤波的目标跟踪 | 第26-31页 |
2.2.2 基于稀疏表示的目标跟踪 | 第31-33页 |
2.2.3 基于子空间的目标跟踪 | 第33-35页 |
2.3 判别式模型 | 第35-39页 |
2.3.1 基于度量学习的目标跟踪 | 第35-36页 |
2.3.2 基于相关滤波的目标跟踪 | 第36-37页 |
2.3.3 基于深度学习的目标跟踪 | 第37-39页 |
第3章 基于水平集分割的视频目标跟踪 | 第39-53页 |
3.1 研究背景 | 第39页 |
3.2 相关工作 | 第39-42页 |
3.2.1 主动轮廓(Active Contour)方法 | 第39-40页 |
3.2.2 其他方法 | 第40-42页 |
3.3 研究方法 | 第42-46页 |
3.3.1 基于LoG的水平集分割 | 第42-44页 |
3.3.2 可调方向滤波器强化的水平集分割 | 第44-46页 |
3.4 实验结果 | 第46-52页 |
3.4.1 目标跟踪验证分析-1 | 第46页 |
3.4.2 目标跟踪验证分析-2: 基于肋骨跟踪的呼吸运动状态估计 | 第46-52页 |
3.5 本章小结 | 第52-53页 |
第4章 基于残差网络和相关滤波器的视频目标跟踪 | 第53-64页 |
4.1 研究背景 | 第53页 |
4.2 相关工作 | 第53-54页 |
4.3 研究方法 | 第54-57页 |
4.3.1 相关滤波器 | 第54-55页 |
4.3.2 网络结构 | 第55-56页 |
4.3.3 网络结构设计分析 | 第56-57页 |
4.4 实验结果 | 第57-63页 |
4.4.1 实验设置 | 第57-58页 |
4.4.2 基准算法对比 | 第58-61页 |
4.4.3 跟踪方法对比 | 第61-63页 |
4.4.4 跟踪结果示例及分析 | 第63页 |
4.5 本章小结 | 第63-64页 |
第5章 基于多跟踪器融合的视频目标跟踪 | 第64-83页 |
5.1 研究背景 | 第64-65页 |
5.2 相关工作 | 第65-66页 |
5.2.1 常用跟踪算法 | 第65-66页 |
5.2.2 基于集成的跟踪算法 | 第66页 |
5.3 研究方法 | 第66-73页 |
5.3.1 基本框架 | 第66-67页 |
5.3.2 跟踪器算法的成对评价 | 第67-69页 |
5.3.3 不可靠跟踪器检测 | 第69-72页 |
5.3.4 跟踪结果融合 | 第72-73页 |
5.4 实验结果 | 第73-82页 |
5.4.1 实验设置 | 第73-74页 |
5.4.2 基线比较 | 第74-79页 |
5.4.3 定性分析 | 第79页 |
5.4.4 有效性分析 | 第79-82页 |
5.5 本章小结 | 第82-83页 |
第6章 结论和展望 | 第83-86页 |
6.1 论文工作总结 | 第83-84页 |
6.2 下一步工作展望 | 第84-86页 |
参考文献 | 第86-98页 |
致谢 | 第98-99页 |
在读期间发表的学术论文与取得的研究成果 | 第99页 |