基于相關(guān)濾波的視頻目標(biāo)跟蹤技術(shù)研究

第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究及應(yīng)用現(xiàn)狀
1.3 視頻目標(biāo)跟蹤技術(shù)概述
1.3.1 視頻目標(biāo)跟蹤系統(tǒng)框架
1.3.2 基于相關(guān)濾波的視頻目標(biāo)跟蹤
1.3.3 跟蹤算法評價標(biāo)準(zhǔn)
1.3.4 目標(biāo)跟蹤評測數(shù)據(jù)集
1.4 視頻目標(biāo)跟蹤技術(shù)難點
1.5 本書主要研究內(nèi)容與組織結(jié)構(gòu)
第二章 基于分塊的尺度自適應(yīng)目標(biāo)跟蹤方法
2.1 引言
2.2 相關(guān)濾波目標(biāo)跟蹤
2.2.1 相關(guān)與匹配
2.2.2 相關(guān)濾波器
2.3 尺度自適應(yīng)目標(biāo)跟蹤
2.3.1 目標(biāo)定位
2.3.2 基于分塊的尺度系數(shù)計算
2.3.3 標(biāo)簽函數(shù)選擇
2.3.4 算法流程
2.4 視頻目標(biāo)跟蹤實驗
2.4.1 參數(shù)設(shè)定
2.4.2 算法效果分析
2.4.3 算法對比分析
2.4.4 失敗案例分析
2.5 可擴展性分析
2.6 本章小結(jié)
第三章 基于回溯的遮擋檢測與目標(biāo)跟蹤方法
3.1 引言
3.2 記憶機制類比模型更新
3.2.1 記憶模型與記憶研究
3.2.2 模型更新
3.3 基于核嶺回歸的目標(biāo)回溯算法
3.3.1 核嶺回歸
3.3.2 基于核嶺回歸的目標(biāo)回溯
3.4 一步回溯遮擋檢測與處理
3.4.1 一步回溯遮擋檢測
3.4.2 自適應(yīng)模型更新
3.5 視頻目標(biāo)跟蹤實驗
3.5.1 參數(shù)設(shè)定
3.5.2 回溯算法和一步回溯算法對比
3.5.3 一步回溯算法分析
3.5.4 算法對比分析
3.6 本章小結(jié)
第四章 基于卷積特征的目標(biāo)跟蹤方法
4.1 引言
4.2 卷積神經(jīng)網(wǎng)絡(luò)
4.3 基于卷積特征的相關(guān)濾波跟蹤算法
4.3.1 可行性分析
4.3.2 算法實現(xiàn)
4.4 視頻目標(biāo)跟蹤實驗
4.4.1 參數(shù)設(shè)定
4.4.2 單層卷積特征跟蹤性能分析
4.4.3 多跟蹤器協(xié)同
4.4.4 算法對比分析
4.5 本章小結(jié)
第五章 基于特征融合與協(xié)同的目標(biāo)跟蹤方法
5.1 引言
5.2 多特征融合相關(guān)濾波跟蹤算法
5.2.1 可行性分析
5.2.2 算法實現(xiàn)
5.3 多特征融合目標(biāo)跟蹤實驗
5.3.1 參數(shù)設(shè)定
5.3.2 不同顏色特征跟蹤性能分析
5.3.3 多特征融合跟蹤結(jié)果對比
5.4 尺度自適應(yīng)協(xié)同跟蹤
5.4.1 傳統(tǒng)特征與卷積特征協(xié)同
5.4.2 目標(biāo)尺度估計
5.5 尺度自適應(yīng)協(xié)同跟蹤算法測試
5.5.1 公開數(shù)據(jù)集測試
5.5.2 軍事目標(biāo)跟蹤實驗
5.6 本章小結(jié)
第六章 總結(jié)與展望
6.1 工作總結(jié)
6.2 未來展望
參考文獻
附錄A MoSSE求解過程
附錄B 系數(shù)口的推導(dǎo)
附錄C 誤差反向傳播算法推導(dǎo)