压缩特征目标的低秩跟踪算法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 目标跟踪研究现状 | 第13-14页 |
| 1.3 目标跟踪技术难点 | 第14-16页 |
| 1.4 本文主要工作与结构 | 第16-18页 |
| 1.4.1 本文主要工作 | 第16页 |
| 1.4.2 本文结构 | 第16-18页 |
| 第2章 视频目标跟踪的基本原理和算法 | 第18-27页 |
| 2.1 视频目标跟踪模型 | 第18-19页 |
| 2.2 基于外观模型的目标跟踪 | 第19-20页 |
| 2.3 基于产生式模型的目标跟踪 | 第20-21页 |
| 2.4 压缩感知 | 第21-24页 |
| 2.4.1 压缩感知理论简介 | 第21-22页 |
| 2.4.2 压缩感知理论问题描述 | 第22-23页 |
| 2.4.3 建立测量矩阵 | 第23页 |
| 2.4.4 信号重构 | 第23-24页 |
| 2.5 矩阵低秩稀疏分解 | 第24-26页 |
| 2.5.1 低秩矩阵 | 第24-25页 |
| 2.5.2 低秩矩阵求解 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 压缩特征目标的低秩跟踪算法 | 第27-44页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于压缩感知的目标外观模型 | 第28-31页 |
| 3.2.1 目标特征提取 | 第28-29页 |
| 3.2.2 特征向量有效降维 | 第29-30页 |
| 3.2.3 观测矩阵与目标模板字典 | 第30-31页 |
| 3.3 压缩特征目标的低秩跟踪算法 | 第31-35页 |
| 3.3.1 基于矩阵低秩稀疏分解的目标估计 | 第31-32页 |
| 3.3.2 字典在线更新 | 第32-34页 |
| 3.3.3 算法步骤 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-42页 |
| 3.4.1 定性评估 | 第35-38页 |
| 3.4.2 定量评估 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 大矩阵压缩特征目标的低秩跟踪算法 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 基于大矩阵的矩阵低秩稀疏分解 | 第44-47页 |
| 4.3 向量相似度 | 第47-49页 |
| 4.4 轨迹修正 | 第49-50页 |
| 4.5 算法步骤 | 第50-52页 |
| 4.6 实验结果与分析 | 第52-56页 |
| 4.6.1 定性评估 | 第52-54页 |
| 4.6.2 定量评估 | 第54-56页 |
| 4.7 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第62-63页 |
| 致谢 | 第63-64页 |
