封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 课题背景及意义
1.2 研究现状
1.3 主要研究内容
1.4 论文组织结构
1.5 本章小结
2 基于联合局部全局视觉表达的自适应DeepBoost跟踪器
2.1 引言
2.2 基于Haar特征的基础弱分类器构建
2.3 基于稀疏随机投影的联合局部全局的目标外观表达模型
2.4 在线DeepBoost集成学习方法
2.5 基于在线DeepBoost学习的跟踪算法设计
2.6 DeepBoost跟踪算法与传统Boosting类型跟踪方法的比较
2.7 实验结果与分析
2.8 本章小结
3 基于多时段DeepBoost模型的自适应目标跟踪方法
3.1 引言
3.2 歧义性正则化多时段模型
3.3 多时段模型的更新策略
3.4 自适应多时段DeepBoost模型跟踪系统设计
3.5 整体与基于目标属性的跟踪性能比较分析
3.6 跟踪算法速度比较和实时性分析
3.7 本章小结
4 基于在线子场景学习和目标内边缘分析的运动阴影抑制
4.1 引言
4.2 运动阴影的外观特性分析
4.3 子场景运动阴影模型在线学习
4.4 基于内边缘分析和阴影区域生长的矫正处理
4.5 典型应用场景下的定性评价
4.6 多度量标准下的定量评价与讨论
4.7 本章小结
5 全文总结与工作展望
5.1 本文工作总结
5.2 下一步工作展望
致谢
参考文献
附录1 攻读博士学位期间发表的主要论文
附录2 公开发表的学术论文与博士学位论文的关系
附录3 博士生期间参与申请的专利
附录4 博士生期间参与的课题研究情况