基于改进的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8-14页 |
| 1.1 课题的背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容和结构安排 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-26页 |
| 2.1 图像灰度化 | 第14-15页 |
| 2.2 目标建模 | 第15-18页 |
| 2.2.1 目标表示模型 | 第15-16页 |
| 2.2.2 目标特征选择 | 第16-18页 |
| 2.3 目标定位 | 第18页 |
| 2.4 粒子滤波方法 | 第18-24页 |
| 2.4.1 贝叶斯滤波理论 | 第18-20页 |
| 2.4.2 贝叶斯重要性采样 | 第20-21页 |
| 2.4.3 序贯重要性采样 | 第21-23页 |
| 2.4.4 标准粒子滤波算法 | 第23-24页 |
| 2.5 稀疏表示相关知识 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 Lp正则化中 p 的选择 | 第26-32页 |
3.1 Lp(0| 第26-27页 | |
| 3.2 Lp正则化 | 第27-30页 |
| 3.2.1 Lp正则化框架 | 第27-29页 |
| 3.2.2 L1/2正则化 | 第29-30页 |
| 3.2.3 求解 L1/2正则化 | 第30页 |
| 3.3 实验结果与分析 | 第30-31页 |
| 3.3.1 实验结果 | 第30-31页 |
| 3.3.2 实验结果分析 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于局部稀疏表示的目标跟踪 | 第32-43页 |
| 4.1 基于局部稀疏编码的目标表示 | 第32-33页 |
| 4.2 基于局部稀疏表示的分类器学习 | 第33-35页 |
| 4.3 基于局部稀疏表示的目标跟踪算法 | 第35-36页 |
| 4.3.1 粒子滤波 | 第35页 |
| 4.3.2 基于双重保险粒子滤波的跟踪算法 | 第35-36页 |
| 4.4 实验结果与分析 | 第36-42页 |
| 4.4.1 实验视频库介绍 | 第36-37页 |
| 4.4.2 实验结果定性分析 | 第37-40页 |
| 4.4.3 实验结果定量分析 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于二次稀疏选择的目标跟踪 | 第43-51页 |
| 5.1 候选样本的二次稀疏选择 | 第43-44页 |
| 5.1.1 第一次稀疏选择 | 第43-44页 |
| 5.1.2 第二次稀疏选择 | 第44页 |
| 5.2 基于二次稀疏选择的目标跟踪算法 | 第44-45页 |
| 5.3 实验结果与分析 | 第45-50页 |
| 5.3.1 实验结果定性分析 | 第45-48页 |
| 5.3.2 实验结果定量分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 未来展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第56-57页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |
