基于稀疏表观模型的目标跟踪算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 目标跟踪存在的问题 | 第19-21页 |
| 1.4 主要内容及章节安排 | 第21-23页 |
| 第二章 基于稀疏表观模型跟踪的相关理论 | 第23-32页 |
| 2.1 粒子滤波算法 | 第23-26页 |
| 2.1.1 贝叶斯方法 | 第23-25页 |
| 2.1.2 序贯重要性采样 | 第25-26页 |
| 2.1.3 算法具体步骤 | 第26页 |
| 2.2 仿射变换思想 | 第26-29页 |
| 2.3 稀疏表示原理 | 第29-31页 |
| 2.3.1 稀疏表示原理 | 第29-30页 |
| 2.3.2 稀疏表示的应用 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于多任务学习的稀疏表示目标跟踪 | 第32-45页 |
| 3.1 基于稀疏表示的目标跟踪方法 | 第32-37页 |
| 3.1.1 L1稀疏表示目标跟踪方法 | 第32-34页 |
| 3.1.2 L1算法的问题分析 | 第34-37页 |
| 3.2 多任务学习跟踪算法 | 第37-40页 |
| 3.2.1 对跟踪目标的多任务稀疏表示 | 第37-38页 |
| 3.2.2 使用l_(p,q)范数实现联合稀疏 | 第38-39页 |
| 3.2.3 目标函数求解 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-43页 |
| 3.4 缺陷分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于正例图像块投票的L1目标跟踪算法研究 | 第45-60页 |
| 4.1 正例投票 | 第45-48页 |
| 4.1.1 构建图像块粒子置信函数 | 第47-48页 |
| 4.1.2 正例选取 | 第48页 |
| 4.2 基于权重投票的最佳位置估计 | 第48-50页 |
| 4.3 算法具体步骤 | 第50页 |
| 4.4 实验结果与分析 | 第50-59页 |
| 4.4.1 定性结果 | 第51-55页 |
| 4.4.2 定量结果 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |
