基于压缩感知的尺度自适应目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 目标跟踪研究的发展及现状 | 第11-12页 |
| 1.3 目标跟踪方法 | 第12-13页 |
| 1.4 目标跟踪算法面临的挑战 | 第13-14页 |
| 1.5 论文主要内容及结构安排 | 第14页 |
| 1.6 本章小结 | 第14-15页 |
| 第2章 目标视觉特征提取 | 第15-27页 |
| 2.1 概述 | 第15页 |
| 2.2 颜色特征 | 第15-18页 |
| 2.2.1 RGB颜色空间 | 第15-16页 |
| 2.2.2 HSV颜色空间 | 第16-18页 |
| 2.2.3 其他颜色空间 | 第18页 |
| 2.3 纹理特征 | 第18-22页 |
| 2.3.1 局部二值模式(LBP) | 第18-21页 |
| 2.3.1.1 基本LBP | 第19页 |
| 2.3.1.2 扩展形式 | 第19-21页 |
| 2.3.2 Haar型特征 | 第21页 |
| 2.3.3 HOG特征 | 第21-22页 |
| 2.4 特征描述方法 | 第22-25页 |
| 2.4.1 传统直方图模式 | 第22-25页 |
| 2.4.2 核函数直方图模式 | 第25页 |
| 2.5 多特征融合方法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 压缩感知及其在目标跟踪中的运用 | 第27-40页 |
| 3.1 压缩感知理论 | 第27-30页 |
| 3.1.1 信号稀疏表示 | 第28页 |
| 3.1.2 测量矩阵 | 第28-29页 |
| 3.1.3 信号重构 | 第29-30页 |
| 3.2 基于压缩感知的目标跟踪算法 | 第30-34页 |
| 3.2.1 算法描述 | 第30页 |
| 3.2.2 随机投影 | 第30-32页 |
| 3.2.3 分类器的构建与更新 | 第32-33页 |
| 3.2.4 压缩跟踪算法流程描述 | 第33-34页 |
| 3.3 基于区域特征加权的压缩跟踪算法 | 第34-39页 |
| 3.3.1 算法流程 | 第35页 |
| 3.3.2 实验结果分析 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于多特征融合的压缩目标跟踪 | 第40-47页 |
| 4.1 引言 | 第40页 |
| 4.2 粒子滤波算法 | 第40-41页 |
| 4.3 压缩特征的提取 | 第41-42页 |
| 4.4 目标特征融合 | 第42页 |
| 4.5 模板更新 | 第42页 |
| 4.6 算法流程 | 第42-43页 |
| 4.7 实验结果与分析 | 第43-46页 |
| 4.8 本章小结 | 第46-47页 |
| 第5章 基于尺度自适应的压缩目标跟踪 | 第47-58页 |
| 5.1 引言 | 第47页 |
| 5.2 特征提取 | 第47-48页 |
| 5.3 构建和更新分类器 | 第48-49页 |
| 5.4 模板尺寸更新 | 第49-50页 |
| 5.5 算法流程 | 第50页 |
| 5.6 实验结果与分析 | 第50-57页 |
| 5.7 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 研究生期间发表论文及参加项目情况 | 第68-70页 |
