|
|
|
|
基于在线式学习的多目标视觉跟踪算法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-6页 | | Abstract | 第6-14页 | | 第一章 引言 | 第14-24页 | | ·研究背景和意义 | 第14-15页 | | ·研究现状 | 第15-21页 | | ·在线式视觉跟踪 | 第15-20页 | | ·基于关联的多目标视觉跟踪 | 第20-21页 | | ·论文的主要贡献 | 第21-22页 | | ·论文的组织 | 第22-24页 | | 第二章 在线式视觉跟踪 | 第24-52页 | | ·算法概述 | 第24-26页 | | ·跟踪器 | 第26-38页 | | ·图像特征 | 第26-27页 | | ·状态空间 | 第27页 | | ·初始化 | 第27页 | | ·运动模型 | 第27-28页 | | ·观察模型 | 第28-36页 | | ·重采样 | 第36页 | | ·SVM修复机制 | 第36-38页 | | ·检测器 | 第38-42页 | | ·图像特征 | 第38页 | | ·级联分类器 | 第38-42页 | | ·模版匹配模型 | 第42-43页 | | ·实验结果 | 第43-50页 | | ·数据集 | 第43-45页 | | ·评估方法 | 第45页 | | ·评估结果 | 第45-49页 | | ·基于不同类别的多目标跟踪结果 | 第49-50页 | | ·本章小结 | 第50-52页 | | 第三章 基于同类别的多目标视觉跟踪 | 第52-68页 | | ·算法概述 | 第52-53页 | | ·检测器 | 第53-56页 | | ·CENTRIST特征 | 第53-54页 | | ·检测器的训练 | 第54-55页 | | ·检测器的测试 | 第55-56页 | | ·跟踪器 | 第56-60页 | | ·初始化和终止 | 第57-58页 | | ·粒子滤波器 | 第58页 | | ·在线学习算法 | 第58-60页 | | ·数据关联 | 第60-61页 | | ·实验结果 | 第61-67页 | | ·数据集 | 第61-62页 | | ·评估方法 | 第62-64页 | | ·评估结果 | 第64-67页 | | ·本章小结 | 第67-68页 | | 第四章 总结与展望 | 第68-70页 | | ·研究工作总结 | 第68-69页 | | ·未来工作展望 | 第69-70页 | | 参考文献 | 第70-78页 | | 文章发表和专利申请情况 | 第78-79页 | | 简历 | 第79-80页 | | 致谢 | 第80页 |
|
|
|
|
论文编号BS2045362，这篇论文共80页
会员购买按0.35元/页下载，共需支付28元。 直接购买按0.5元/页下载，共需要支付40元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务