基于相關濾波器的自適應視頻目標跟蹤方法研究

導言
0.1 視頻目標跟蹤方法的內涵和發(fā)展方向
0.2 視頻目標跟蹤方法的發(fā)展概況及應用領域
第1章 相關濾波目標跟蹤基本原理和算法
1.1 相關濾波目標跟蹤方法基本原理
1.2 針對跟蹤難題提出的相關濾波跟蹤算法
1.2.1 復雜背景
1.2.2 目標形變
1.2.3 尺度變換
1.2.4 長時遮擋
1.3 針對跟蹤策略提出的相關濾波跟蹤算法
1.3.1 邊緣效應
1.3.2 深度特征的采用
1.3.3 訓練樣本的選擇
1.3.4 特征融合的應用
1.4 評價方法
1.4.1 評測數(shù)據(jù)集及跟蹤結果評價方法
1.4.2 代表性跟蹤方法性能對比
1.5 本書研究內容
第2章 基于進化算法優(yōu)化特征的相關濾波方法
2.1 視頻跟蹤問題中目標外觀模型概況
2.2 相關濾波跟蹤問題中目標外觀模型發(fā)展現(xiàn)狀
2.3 采用特征子集進行跟蹤的可行性分析
2.4 進化算法特征優(yōu)化框架及相關濾波器
2.4.1 進化算法
2.4.2 自適應性特征優(yōu)化
2.5 基于進化特征子集的相關濾波算法
2.5.1 經典相關濾波方法
2.5.2 基于 特征子集的相關濾波算法
2.6 進化特征優(yōu)化方法對狀態(tài)預測的正確性分析
2.7 實驗結果與分析
2.7.1 實驗設置
2.7.2 基于進化算法優(yōu)化特征的相關濾波方法步驟
2.7.3 實驗結果定量比較分析
2.7.4 實驗結果定性比較分析
2.8 本章小結
第3章 自適應能量感知的目標跟蹤定位方法
3.1 視頻跟蹤問題中目標定位方法概況
3.2 相關濾波跟蹤問題中目標定位方法的發(fā)展現(xiàn)狀
3.3 能量感知與相關濾波結合的目標跟蹤框架
3.3.1 基準相關濾波跟蹤框架ECO
3.3.2 能量感知相關濾波框架
3.4 自適應能量感知的目標定位
3.4.1 基于顯著性的不平衡能量檢測
3.4.2 自適應能量平衡策略
3.5 自頂向下和自底向上策略相結合的相關濾波模型訓練
3.5.1 低質量樣本拒 策略
3.5.2 自頂向下搜索策略
3.5.3 自底向上模型訓練
3.6 自適應能量感知的目標跟蹤定位算法步驟
3.7 實驗結果與分析
3.7.1 實驗參數(shù)設置
3.7.2 實驗結果定量比較分析
3.7.3 實驗結果定性比較分析
3.8 本章小結
第4章 模塊化目標狀態(tài)的動態(tài)模型 新方法
4.1 視頻跟蹤問題中模型 新方法概況
4.2 視頻跟蹤問題中模型 新方法發(fā)展現(xiàn)狀
4.3 模塊化動態(tài)模型 新方法
4.4 目標狀態(tài)模塊化的相關濾波跟蹤方法
4.4.1 樹結構相關濾波模型的構建
4.4.2 基于樹結構的目標狀態(tài)評估
4.5 樹結構相關濾波器的動態(tài)模型 新算法步驟
4.6 實驗結果與分析
4.6.1 實驗參數(shù)設置
4.6.2 跟蹤結果定量分析
4.6.3 跟蹤結果定性分析
4.7 本章小結
參考文獻
附錄