基于粒子滤波与半监督多分类器的视频跟踪

目录

中文摘要

Abstract

第1章 引言

1.1 研究背景

1.2 视频物体跟踪系统的组成分类

1.3 生成性跟踪方法和区别性跟踪方法

1.4 在线更新的自适应外观模型

1.5 分类器在线更新的半监督学习框架

1.6 多分类器系统

1.7 主要研究内容与创新

1.8 其它部分的内容安排

第2章 粒子滤波行人跟踪

2.1 引言

2.2 算法整体框架

2.3 粒子滤波

2.4 模型设计

2.5 算法复杂度分析

2.6 实验

第3章 半监督多分类器系统

3.1 协同训练和自训练

3.2 算法流程框架

3.3 分类结果融合方法

3.4 Mean shift峰值搜索

第4章 增量支持向量机超像素分类

4.1 超像素表示与特征

4.2 增量支持向量机

4.3 Mean shift聚类初始化

4.4 基于分类的物体跟踪

第5章 在线随机霍夫森林

5.1 随机森林

5.2 随机霍夫森林

5.3 在线随机霍夫森林

第6章 物体跟踪实验

6.1 实验数据集

6.2 评测指标

6.3 实验结果与分析

第7章 总结与展望

7.1 主要创新贡献

7.2 不足与未来方向

参考文献

致谢

硕士学位期间发表的学术论文