基于稀疏表示的目标跟踪算法研究
| 致谢 | 第7-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 论文研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文主要研究内容与章节安排 | 第18-20页 |
| 第二章 稀疏表示跟踪的相关理论 | 第20-33页 |
| 2.1 粒子滤波理论 | 第20-25页 |
| 2.1.1 贝叶斯滤波理论 | 第20-23页 |
| 2.1.2 粒子滤波算法 | 第23-25页 |
| 2.2 稀疏表示理论 | 第25-32页 |
| 2.2.1 稀疏表示理论 | 第25-27页 |
| 2.2.2 稀疏表示求解算法 | 第27-31页 |
| 2.2.3 稀疏表示理论的应用 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于联合模板稀疏表示的目标跟踪 | 第33-49页 |
| 3.1 基于稀疏表示的目标跟踪方法 | 第33-37页 |
| 3.1.1 稀疏表示目标跟踪方法 | 第33-35页 |
| 3.1.2 实验结果与分析 | 第35-37页 |
| 3.2 基于联合模板稀疏表示的目标跟踪算法 | 第37-42页 |
| 3.2.1 局部LBP特征提取 | 第37-38页 |
| 3.2.2 联合稀疏表示 | 第38-40页 |
| 3.2.3 目标函数求解 | 第40-41页 |
| 3.2.4 模型更新 | 第41-42页 |
| 3.2.5 算法具体步骤 | 第42页 |
| 3.3 实验结果与分析 | 第42-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于局部稀疏表示的判别目标跟踪 | 第49-61页 |
| 4.1 目标表示与分类器学习 | 第49-52页 |
| 4.1.1 目标表示 | 第49-51页 |
| 4.1.2 分类器学习 | 第51-52页 |
| 4.2 基于局部稀疏表示的判别目标跟踪算法 | 第52-55页 |
| 4.3 实验结果与分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间科研工作成果 | 第68页 |
