基于稀疏表征的目标跟踪算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的内容安排 | 第12-13页 |
| 2 目标跟踪方法综述 | 第13-19页 |
| 2.1 目标跟踪定义 | 第13页 |
| 2.2 目标外观模型 | 第13-15页 |
| 2.2.1 目标特征描述 | 第14页 |
| 2.2.2 目标跟踪种类 | 第14-15页 |
| 2.3 目标跟踪方法性能评估准则 | 第15页 |
| 2.4 视频运动目标跟踪难点 | 第15-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 稀疏表示跟踪的相关理论 | 第19-30页 |
| 3.1 压缩感知理论 | 第19-20页 |
| 3.2 稀疏表征原理 | 第20-23页 |
| 3.3 稀疏性度量 | 第23-25页 |
| 3.4 粒子滤波框架简介 | 第25-28页 |
| 3.4.1 运动模型 | 第26-27页 |
| 3.4.2 观测模型 | 第27-28页 |
| 3.5 经典跟踪算法 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 4 基于l_2范数联合模型的目标跟踪算法研究 | 第30-43页 |
| 4.1 基于l_2范数最小化的联合模型 | 第31-35页 |
| 4.1.1 基于l_2范数最小化的判别模型 | 第31-33页 |
| 4.1.2 时间复杂度 | 第33-34页 |
| 4.1.3 基于l_2范数最小化的生成模型 | 第34-35页 |
| 4.2 联合模型 | 第35-36页 |
| 4.2.1 模板更新 | 第35-36页 |
| 4.3 实验结果 | 第36-41页 |
| 4.3.1 实验参数设置 | 第36页 |
| 4.3.2 定量比较 | 第36-37页 |
| 4.3.3 定性比较 | 第37-41页 |
| 4.4 本章小结 | 第41-43页 |
| 5 总结与展望 | 第43-45页 |
| 5.1 全文的总结和创新点 | 第43页 |
| 5.2 未来展望 | 第43-45页 |
| 参考文献 | 第45-51页 |
| 攻读硕士学位期间主要的研究成果 | 第51-52页 |
| 致谢 | 第52-54页 |
