基于稀疏表达的视频目标跟踪技术
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 目标表观模型 | 第13-14页 |
| 1.2.2 目标搜索策略 | 第14页 |
| 1.2.3 模板更新策略 | 第14-16页 |
| 1.2.4 经典跟踪方法 | 第16-18页 |
| 1.3 主要研究内容及贡献 | 第18-19页 |
| 1.4 论文结构 | 第19-21页 |
| 第二章 基于稀疏表达跟踪的基本理论 | 第21-29页 |
| 2.1 稀疏表达理论 | 第21-22页 |
| 2.2 粒子滤波理论 | 第22-25页 |
| 2.3 仿射变换理论 | 第25-27页 |
| 2.4 L1跟踪算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于结构化稀疏特征的目标跟踪方法 | 第29-48页 |
| 3.1 结构化稀疏特征提取 | 第29-33页 |
| 3.1.1 分块图像稀疏表达 | 第30-31页 |
| 3.1.2 结构化稀疏特征抽取 | 第31-33页 |
| 3.2 基于SVM的分块结构学习 | 第33-37页 |
| 3.2.1 SVM分类器 | 第34-35页 |
| 3.2.2 基于SVM的分块结构学习 | 第35-37页 |
| 3.3 基于增量子空间表达的模板更新算法 | 第37-38页 |
| 3.4 实验结果及分析 | 第38-47页 |
| 3.4.1 实验数据 | 第39页 |
| 3.4.2 评价准则 | 第39-40页 |
| 3.4.3 定性结果分析 | 第40-44页 |
| 3.4.4 定量结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于似然上限和时空滤波的稀疏加速算法 | 第48-64页 |
| 4.1 基于似然上限滤波加速 | 第48-52页 |
| 4.1.1 稀疏表达目标跟踪法 | 第48-49页 |
| 4.1.2 观测似然上限 | 第49-50页 |
| 4.1.3 限制粒子重采样 | 第50-52页 |
| 4.2 基于时空一致性滤波加速 | 第52-54页 |
| 4.2.1 特征提取 | 第52-53页 |
| 4.2.2 相似性度量 | 第53-54页 |
| 4.2.3 误差分析 | 第54页 |
| 4.3 实验结果与分析 | 第54-63页 |
| 4.4.1 实验数据及算法说明 | 第54-55页 |
| 4.4.2 评价准则 | 第55页 |
| 4.4.3 实验结果分析 | 第55-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64页 |
| 5.2 研究展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 作者在学期间取得的学术成果 | 第71页 |
