| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 论文研究的背景与意义 | 第9-11页 |
| 1.2 跟踪算法研究现状 | 第11-16页 |
| 1.2.1 On-line Boostng(OAB) | 第12-13页 |
| 1.2.2 Incremental Learning (IVT) | 第13-14页 |
| 1.2.3 Multiple Instance Learning(MIL) | 第14-15页 |
| 1.2.4 Tracking-learning-detection(TLD) | 第15-16页 |
| 1.3 论文的主要内容和结构 | 第16-17页 |
| 2 基于 ViBe 的前景分割 | 第17-24页 |
| 2.1 介绍 | 第17-18页 |
| 2.2 ViBe 算法流程 | 第18-19页 |
| 2.3 彩色空间的颜色距离度量 | 第19-21页 |
| 2.4 模型更新 | 第21页 |
| 2.5 实验结果 | 第21-23页 |
| 2.5.1 实验一 | 第22页 |
| 2.5.2 实验二 | 第22-23页 |
| 2.6 实验三 | 第23-24页 |
| 3 实时跟踪算法 | 第24-51页 |
| 3.1 压缩感知跟踪 | 第24-33页 |
| 3.1.1 压缩感知理论介绍 | 第24-25页 |
| 3.1.2 随机投影 | 第25-26页 |
| 3.1.3 RIP 约束等距性质 | 第26-27页 |
| 3.1.4 随机观测矩阵 | 第27-28页 |
| 3.1.5 跟踪算法 | 第28-32页 |
| 3.1.5.1 特征提取 | 第29-30页 |
| 3.1.5.2 分类器的构建和更新 | 第30-31页 |
| 3.1.5.3 结合样本抽取的跟踪流程 | 第31-32页 |
| 3.1.6 跟踪分析 | 第32-33页 |
| 3.2 空间相关性跟踪 | 第33-51页 |
| 3.2.1 目标的空间相关性建模 | 第36-39页 |
| 3.2.2 相关性区域先验概率 | 第39-40页 |
| 3.2.3 后验置信度 | 第40-42页 |
| 3.2.4 学习相关性模型 | 第42-44页 |
| 3.2.5 跟踪流程 | 第44-46页 |
| 3.2.6 跟踪分析 | 第46-51页 |
| 3.2.6.1 遮挡 | 第46-48页 |
| 3.2.6.2 目标移动 | 第48-50页 |
| 3.2.6.3 光照变化 | 第50-51页 |
| 4 跟踪实验 | 第51-58页 |
| 4.1 移动场景及变光照跟踪 | 第51-53页 |
| 4.2 大区域遮挡跟踪 | 第53-54页 |
| 4.3 快速遮挡及旋转跟踪 | 第54-56页 |
| 4.4 组合形变跟踪 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
