声明
第1章 绪 论
1.1 研究背景及意义
1.1.1 目标跟踪的重要应用
1.1.2 目标跟踪的相关问题
1.2 国内外的研究现状
1.2.1 传统的跟踪算法
1.2.2 基于深度学习跟踪算法
1.3 本论文的主要工作和章节安排
第2章 分层卷积特征相关滤波
2.1 单目标跟踪流程
2.2 相关滤波理论
2.3 核相关滤波
2.4 卷积神经网络
2.4.1 基本组件
2.4.2 典型的网络结构
2.5 分层卷积相关滤波跟踪算法
2.6 本章小结
第3章 基于特征融合的目标跟踪
3.1 引言
3.2 基于目标感知的卷积特征
3.3 连续相关滤波器
3.4 自适应决策融合
3.5 尺度估计
3.6 实验分析
3.7 本章小结
第4章 基于分层卷积特征的目标长期跟踪
4.1 引言
4.2 孪生网络
4.3 深度特征
4.4 基于孪生网络的验证机制
4.5 高置信的模板更新机制
4.6 实验结果
4.6.1 OTB分析
4.6.2 UAV数据集
4.7 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
燕山大学;