目标跟踪中背景信息抑制与利用方法研究

目录

第1章 绪论

1.1 研究背景和意义

1.2.1 目标跟踪发展阶段

1.2.2 产生式方法

1.2.3 判别式方法

1.2.4 基于深度学习的方法

1.2.5 目标跟踪中背景信息的抑制和利用

1.2.6 研究现状总结

1.3.1 环境与目标的挑战

1.3.2 背景信息抑制与利用的挑战

1.3.3 跟踪环节中的挑战

1.4 本文研究内容

1.5 本文组织结构

第2章 目标与背景协同建模的长-短期运动模型

2.1 引言

2.2 相关工作介绍

2.3 目标与背景协同建模的跟踪方法框架

2.3.1 目标表示

2.3.2 背景表示

2.3.3 KCF更新

2.4 短期运动模型和长期运动模型

2.4.1 目标与背景协同建模的短期运动模型

2.4.2 长期运动模型重检测

2.5 实验结果与分析

2.5.1 TBKCF特点实验与分析

2.5.2 总体性能实验比较与分析

2.6 本章小结

第3章 结构性优化卷积网络的目标与背景特征提取方法

3.1 引言

3.2 基于卷积神经网络的目标跟踪框架

3.3 卷积神经网络结构优化方法

3.3.1 通道选择的主成分分析降维方法

3.3.2 卷积网络通道裁剪

3.3.3 单样本权值重建

3.4 多层网络结构优化的跟踪模型

3.5 实验结果与分析

3.5.1 实验环境设置

3.5.2 结构性优化方法性能评估

3.5.3 与先进方法比较

3.6 本章小结

第4章 多层背景自适应相关滤波观测模型

4.1 引言

4.2 相关工作

4.3 多层背景自适应相关滤波跟踪框架

4.4.1 上下文金字塔表示方法

4.4.2 上下文自适应空间窗

4.4.3 多层自适应目标跟踪方法

4.5 实验结果与分析

4.5.1 实验环境设置

4.5.2 多层背景自适应相关滤波性能评估

4.5.3 与先进方法比较

4.6 本章小结

第5章 基于背景中辅助目标的跟踪预测方法

5.1 引言

5.2.1 目标跟踪模型

5.2.2 基于辅助目标的目标跟踪模型

5.3 基于辅助目标的目标跟踪方法

5.3.1 辅助目标提取与跟踪

5.3.2 用辅助目标对目标预测

5.3.3 辅助目标与目标跟踪器的预测融合

5.3.4 辅助目标参数更新

5.3.5 基于辅助目标的目标跟踪算法

5.3.6 计算复杂度分析

5.4 实验结果与分析

5.4.1 辅助目标跟踪方法特点实验与分析

5.4.2 跟踪性能对比实验与分析

5.5 本章小结

第6章 目标跟踪中背景信息抑制与利用方法分析

6.1 引言

6.2 总体跟踪性能比较

6.3 目标跟踪中背景信息的抑制方法特点分析

6.4 目标跟踪中背景信息的利用方法特点分析

6.5 MCAT方法在校园视频监控中的应用

6.6 本章小结

结论

参考文献

附录A 多层自适应目标跟踪公式推导

A.1 式（4-11）的推导

攻读博士学位期间发表的论文及其他成果

声明

致谢

个人简历