基于稀疏表示的目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 1.3.1 主要研究内容 | 第10-11页 |
| 1.3.2 章节安排 | 第11-12页 |
| 第二章 跟踪方法的基础理论 | 第12-18页 |
| 2.1 粒子滤波 | 第12-14页 |
| 2.1.1 粒子滤波理论 | 第12页 |
| 2.1.2 粒子滤波理论在目标跟踪中的应用 | 第12-14页 |
| 2.2 稀疏表示 | 第14-18页 |
| 2.2.1 稀疏表示理论 | 第14-15页 |
| 2.2.2 稀疏表示理论在目标跟踪中的应用 | 第15-18页 |
| 第三章 基于稀疏特征选择的目标跟踪算法 | 第18-32页 |
| 3.1 引言 | 第18页 |
| 3.2 特征表示 | 第18-20页 |
| 3.3 朴素贝叶斯分类器及更新策略 | 第20-23页 |
| 3.4 实验分析与结果 | 第23-29页 |
| 3.4.1 定性评价 | 第23-27页 |
| 3.4.2 定量评价 | 第27-29页 |
| 3.5 本章总结 | 第29-32页 |
| 第四章 基于子空间特征的多任务学习目标跟踪算法 | 第32-48页 |
| 4.1 引言 | 第32页 |
| 4.2 子空间模型 | 第32-34页 |
| 4.3 多任务学习 | 第34-35页 |
| 4.4 基于多任务学习的跟踪方法 | 第35-38页 |
| 4.4.1 目标的多任务学习表示方法 | 第35-36页 |
| 4.4.2 混合范数约束实现多任务学习 | 第36-37页 |
| 4.4.3 目标函数的求解算法 | 第37-38页 |
| 4.5 实验结果分析 | 第38-46页 |
| 4.5.1 定性评价 | 第39-43页 |
| 4.5.2 定量评价 | 第43-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第五章 基于局部稀疏表示外观模型的目标跟踪算法 | 第48-62页 |
| 5.1 引言 | 第48页 |
| 5.2 基于局部稀疏表示的外观模型 | 第48-51页 |
| 5.3 模板更新 | 第51-53页 |
| 5.4 跟踪流程 | 第53-54页 |
| 5.5 实验结果分析 | 第54-61页 |
| 5.5.1 定性评价 | 第55-59页 |
| 5.5.2 定量评价 | 第59-61页 |
| 5.6 本章总结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 发表论文和参加科研情况说明 | 第70-72页 |
| 致谢 | 第72-73页 |
