声明
摘要
1绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1基于表征方式的方法
1.2.2基于全局模型的方法
1.2.3基于局部分块模型的方法
1.2.4基于判别分类的方法
1.3存在的问题与挑战
1.4本文的主要工作及内容安排
2 视觉目标跟踪基本框架与理论方法
2.1引言
2.2视觉目标跟踪的基本框架
2.2.1视觉表征
2.2.2观测模型
2.2.3目标定位
2.2.4模型更新策略
2.3基本理论方法
2.3.1卡尔曼滤波
2.3.2均值漂移算法
2.3.3贝叶斯滤波
2.4数据集及评价方法
2.4.1数据集
2.4.2评价方法
2.5总结
3基于多特征融合的尺度自适应视觉目标跟踪
3.1引言
3.2 CSK视觉目标跟踪算法
3.2.1线性回归
3.2.2循环偏移和循环矩阵
3.2.3检测器的快速训练与检测
3.2.4核函数矩阵的快速计算
3.3多特征融合与尺度自适应
3.3.1颜色与形状特征提取
3.3.2多特征融合与模型更新
3.3.3尺度检测算法
3.4多检测器框架
3.5基于多特征融合的尺度自适应视觉目标跟踪算法
3.6实验及结果分析
3.6.1实验设置
3.6.2实验结果
3.6.3表征对比实验
3.6.4基于晨性的评估实验
3.6.5多检测器模型更正实验
3.6.6定量分析实验
3.7总结
4基于深度回归网络的尺度自适应视觉目标跟踪
4.1引言
4.2 caffeNet模型介绍
4.3基于深度回归网络的尺度检测算法
4.3.1尺度检测网络框架
4.3.2尺度检测网络输入和输出
4.3.3运动平滑规律
4.3.4尺度检测网络训练
4.4基于深度回归网络的尺度自适应视觉目标跟踪算法
4.5实验
4.5.1训练数据集
4.5.2实验设置
4.5.3实验结果
4.5.4基于属性的评估实验
4.5.5尺度检测性能评估
4.6总结
5总结与展望
5.1总结
5.2展望
致谢
参考文献
附录
南京理工大学;