| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 课题研究的背景和意义 | 第7-9页 |
| 1.2 国内外的研究现状 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 2 特征提取 | 第14-23页 |
| 2.1 颜色直方图特征 | 第14-16页 |
| 2.2 SIFT特征 | 第16-18页 |
| 2.3 基于random ferns结构的特征描述 | 第18-22页 |
| 2.4 小结 | 第22-23页 |
| 3 跟踪时搜索策略及问题分析 | 第23-36页 |
| 3.1 粒子滤波目标跟踪算法及性能分析 | 第23-28页 |
| 3.1.1 粒子滤波目标跟踪算法 | 第23-26页 |
| 3.1.2 测试实验及结果分析 | 第26-28页 |
| 3.2 TLD算法 | 第28-34页 |
| 3.2.1 跟踪模块 | 第28-30页 |
| 3.2.2 学习模块 | 第30-31页 |
| 3.2.3 检测模块 | 第31-32页 |
| 3.2.4 测试实验及分析 | 第32-34页 |
| 3.3 小结 | 第34-36页 |
| 4 基于背景补偿引导的目标跟踪算法 | 第36-57页 |
| 4.1 背景补偿及差分与运算处理 | 第37-40页 |
| 4.1.1 背景补偿 | 第37-38页 |
| 4.1.2 差分与运算 | 第38-40页 |
| 4.2 差分图像引导确定待匹配区域 | 第40-45页 |
| 4.2.1 形态学滤波 | 第41-42页 |
| 4.2.2 确定待匹配区域 | 第42-45页 |
| 4.3 目标定位 | 第45-47页 |
| 4.3.1 基于朴素贝叶斯的目标识别 | 第45-46页 |
| 4.3.2 Random ferns及朴素贝叶斯相结合实现目标定位 | 第46-47页 |
| 4.4 特征更新策略 | 第47-48页 |
| 4.5 本文算法步骤 | 第48-49页 |
| 4.6 算法性能分析 | 第49-56页 |
| 4.7 小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 课题总结 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 论文情况 | 第64页 |