| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 视频目标跟踪技术发展现状 | 第8-11页 |
| 1.3 论文主要工作和章节安排 | 第11-13页 |
| 第二章 视频目标跟踪理论 | 第13-22页 |
| 2.1 粒子滤波 | 第13-15页 |
| 2.2 稀疏编码 | 第15-17页 |
| 2.2.1 稀疏编码理论 | 第15-16页 |
| 2.2.2 稀疏编码视频目标跟踪 | 第16-17页 |
| 2.3 箱粒子滤波原理 | 第17-22页 |
| 2.3.1 区间运算和包含函数 | 第18-19页 |
| 2.3.2 箱粒子预测 | 第19-20页 |
| 2.3.3 箱粒子更新 | 第20-22页 |
| 第三章 标签一致K-SVD稀疏编码视频目标跟踪算法 | 第22-34页 |
| 3.1 标签一致K-SVD算法原理 | 第22-24页 |
| 3.1.1 K-SVD算法 | 第22-23页 |
| 3.1.2 标签一致K-SVD算法 | 第23-24页 |
| 3.2 基于LC-KSVD视频目标跟踪算法 | 第24-28页 |
| 3.2.1 模板初始化 | 第25页 |
| 3.2.2 字典学习 | 第25-26页 |
| 3.2.3 直方图和遮挡检测 | 第26-27页 |
| 3.2.4 似然模型 | 第27页 |
| 3.2.5 更新机制 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-33页 |
| 3.3.1 定性分析 | 第28-30页 |
| 3.3.2 定量分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于箱粒子滤波自适应稀疏编码视频目标跟踪算法 | 第34-47页 |
| 4.1 基于箱粒子滤波自适应稀疏编码视频目标跟踪算法 | 第34-37页 |
| 4.1.1 箱粒子视频目标跟踪 | 第34-36页 |
| 4.1.2 分块核密度粒子滤波 | 第36-37页 |
| 4.1.3 自适应模板更新机制 | 第37页 |
| 4.2 实验结果与分析 | 第37-46页 |
| 4.2.1 定性分析 | 第38-40页 |
| 4.2.2 定量分析 | 第40-43页 |
| 4.2.3 自适应参数?的讨论 | 第43-44页 |
| 4.2.4 箱粒子滤波的讨论 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于稀疏编码多伯努利视频多目标跟踪算法 | 第47-57页 |
| 5.1 多伯努利滤波 | 第47-49页 |
| 5.1.1 随机集理论 | 第47-48页 |
| 5.1.2 多目标多伯努利滤波 | 第48-49页 |
| 5.2 基于稀疏编码多伯努利视频多目标跟踪算法 | 第49-53页 |
| 5.2.1 初始化与字典学习 | 第50-51页 |
| 5.2.2 多伯努利预测 | 第51页 |
| 5.2.3 多伯努利更新 | 第51-52页 |
| 5.2.4 模板更新 | 第52-53页 |
| 5.2.5 粒子标记 | 第53页 |
| 5.3 实验结果与分析 | 第53-56页 |
| 5.3.1 实验一 | 第54页 |
| 5.3.2 实验二 | 第54-55页 |
| 5.3.3 实验三 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录：作者在攻读硕士学位期间的研究成果 | 第64页 |
