| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外视频跟踪的研究概况 | 第8-9页 |
| 1.3 目标跟踪研究的难点 | 第9-10页 |
| 1.4 本文主要的研究工作以及论文主要的框架结构 | 第10-12页 |
| 1.4.1 本文研究工作 | 第10页 |
| 1.4.2 本文主要框架 | 第10-12页 |
| 2 稀疏表示理论基础及应用 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 稀疏表示的基本理论 | 第12-14页 |
| 2.3 选取稀疏表示应用于视频跟踪的动机 | 第14-15页 |
| 2.4 稀疏表示在视频跟踪中的应用 | 第15-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于改进的稀疏表示视频跟踪算法 | 第19-49页 |
| 3.1 引言 | 第19页 |
| 3.2 粒子滤波 | 第19-21页 |
| 3.2.1 动态模型 | 第20-21页 |
| 3.2.2 观测模型 | 第21页 |
| 3.3 特征描述 | 第21-24页 |
| 3.3.1 最大池化特征选取 | 第22页 |
| 3.3.2 平均池化特征选取 | 第22-23页 |
| 3.3.3 队列池化特征选取 | 第23-24页 |
| 3.4 模板字典的构造及更新 | 第24-25页 |
| 3.4.1 模板字典的构造 | 第24页 |
| 3.4.2 模板字典的更新 | 第24-25页 |
| 3.5 基于稀疏度的字典更新算法 | 第25-38页 |
| 3.5.1 模板字典的构造 | 第26-27页 |
| 3.5.2 局部稀疏外观模型 | 第27-28页 |
| 3.5.3 字典的更新 | 第28页 |
| 3.5.4 算法流程 | 第28-30页 |
| 3.5.5 实验结果及分析 | 第30-38页 |
| 3.6 基于候选样本的字典构建与更新算法 | 第38-47页 |
| 3.6.1 模板字典的构造 | 第38页 |
| 3.6.2 局部稀疏外观模型 | 第38-40页 |
| 3.6.3 算法流程 | 第40-41页 |
| 3.6.4 实验结果及分析 | 第41-47页 |
| 3.7 本章小结 | 第47-49页 |
| 4 基于在线强字典学习的稀疏表示目标跟踪算法 | 第49-69页 |
| 4.1 引言 | 第49页 |
| 4.2 算法实现 | 第49-55页 |
| 4.2.1 在线强字典更新学习基本理论 | 第49-53页 |
| 4.2.2 在线强字典跟踪算法应用到视频跟踪领域中的可行性分析 | 第53-55页 |
| 4.3 改进视频跟踪算法流程 | 第55-57页 |
| 4.4 实验结果及分析 | 第57-68页 |
| 4.4.1 定量评价 | 第58-61页 |
| 4.4.2 定性评价 | 第61-68页 |
| 4.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |