| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要符号表 | 第13-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 目标跟踪研究现状 | 第16-21页 |
| 1.2.1 特征提取 | 第16-18页 |
| 1.2.2 跟踪策略 | 第18-20页 |
| 1.2.3 相似性度量 | 第20-21页 |
| 1.2.4 模板更新 | 第21页 |
| 1.3 本文的主要研究内容与组织结构 | 第21-25页 |
| 第二章 Gabor特征稀疏表示目标跟踪算法 | 第25-45页 |
| 2.1 粒子滤波理论 | 第25-28页 |
| 2.2 稀疏表示理论 | 第28-30页 |
| 2.3 仿射变换理论 | 第30-33页 |
| 2.4 Gabor特征提取 | 第33-35页 |
| 2.5 基于主元分析的模板字典更新 | 第35-36页 |
| 2.6 本章跟踪算法流程 | 第36页 |
| 2.7 本章实验 | 第36-44页 |
| 2.8 本章小结 | 第44-45页 |
| 第三章 目标-背景信息融合的权重分块稀疏表示目标跟踪算法 | 第45-63页 |
| 3.1 方差粒子筛选法 | 第45-47页 |
| 3.2 目标-背景联合表示 | 第47-50页 |
| 3.2.1 目标-背景稀疏表示模板字典 | 第47-49页 |
| 3.2.2 2规范最小二乘 | 第49-50页 |
| 3.3 权重分块稀疏表示 | 第50-52页 |
| 3.4 模板更新 | 第52-54页 |
| 3.4.1 标准模板更新 | 第52页 |
| 3.4.2 目标-背景模板字典更新 | 第52-54页 |
| 3.5 本章跟踪算法流程 | 第54页 |
| 3.6 本章实验 | 第54-62页 |
| 3.7 本章小结 | 第62-63页 |
| 第四章 系数和残差排名结构稀疏表示目标跟踪算法 | 第63-83页 |
| 4.1 结构稀疏表示 | 第63-64页 |
| 4.2 稀疏系数得分与残差得分排名 | 第64-69页 |
| 4.2.1 稀疏系数得分计算 | 第65-67页 |
| 4.2.2 残差得分计算 | 第67-68页 |
| 4.2.3 排名算法 | 第68-69页 |
| 4.3 主元分析与稀疏表示结合的模板更新算法 | 第69-70页 |
| 4.4 本章跟踪算法流程 | 第70-71页 |
| 4.5 本章实验 | 第71-81页 |
| 4.6 本章小结 | 第81-83页 |
| 第五章 基于学习分类机制的目标跟踪识别算法 | 第83-109页 |
| 5.1 结构稀疏表示朴素贝叶斯分类器 | 第83-87页 |
| 5.1.1 结构稀疏表示朴素贝叶斯分类器构建 | 第84-86页 |
| 5.1.2 结构稀疏表示朴素贝叶斯分类器训练 | 第86-87页 |
| 5.2 目标识别算法 | 第87-92页 |
| 5.2.1 扫描窗口 | 第87页 |
| 5.2.2 2bit Binary Pattern编码 | 第87-88页 |
| 5.2.3 联级分类器 | 第88-91页 |
| 5.2.4 PN学习 | 第91-92页 |
| 5.2.5 跟踪识别整合器 | 第92页 |
| 5.3 本章跟踪识别算法流程 | 第92-93页 |
| 5.4 本章实验 | 第93-107页 |
| 5.4.1 目标跟踪试验 | 第93-101页 |
| 5.4.2 目标跟踪识别试验 | 第101-107页 |
| 5.5 本章小结 | 第107-109页 |
| 第六章 目标跟踪运动控制平台实验 | 第109-121页 |
| 6.1 目标跟踪运动控制平台设计 | 第109-111页 |
| 6.2 本章实验 | 第111-120页 |
| 6.2.1 目标跟踪定性实验 | 第112页 |
| 6.2.2 目标跟踪定量分析实验 | 第112-120页 |
| 6.3 本章小结 | 第120-121页 |
| 第七章 总结和展望 | 第121-125页 |
| 7.1 全文总结和创新点 | 第121-122页 |
| 7.2 未来展望 | 第122-125页 |
| 参考文献 | 第125-137页 |
| 攻读博士学位期间的研究成果 | 第137-139页 |
| 致谢 | 第139-140页 |
| 附件 | 第140页 |