| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 文章内容安排 | 第10-12页 |
| 第二章 目标跟踪算法的基础知识简介 | 第12-22页 |
| 2.1 引言 | 第12页 |
| 2.2 粒子滤波算法基础知识介绍 | 第12-13页 |
| 2.2.1 一些粒子滤波相关的知识 | 第12-13页 |
| 2.2.2 贝叶斯重采样框架下跟踪算法 | 第13页 |
| 2.3 基于有关字典的算法介绍 | 第13-17页 |
| 2.3.1 基于K-SVD相关的算法介绍 | 第14-15页 |
| 2.3.2 基于稀疏性的协作模型鲁棒的目标跟踪算法介绍 | 第15-17页 |
| 2.4 基于相似性度量的鲁棒目标跟踪相关算法 | 第17-20页 |
| 2.4.1 基于自适应结构局部稀疏表现模型的目标跟踪算法 | 第17-19页 |
| 2.4.2 基于实时压缩跟踪的算法 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 基于混合字典的稀疏协作模型的目标跟踪 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 基于混合字典的稀疏协作模型的目标跟踪算法的介绍 | 第22-26页 |
| 3.2.1 两种算法的词典提取 | 第24-25页 |
| 3.2.2 稀疏协作模型下计算似然函数值 | 第25-26页 |
| 3.2.3 基于最佳的选择策略 | 第26页 |
| 3.3 实验结果 | 第26-31页 |
| 3.3.1 实验数据和计算方法 | 第26-28页 |
| 3.3.2 实验结果的展示与分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于组合相似性度量的鲁棒目标跟踪算法 | 第32-44页 |
| 4.1 引言 | 第32页 |
| 4.2 基于一种组合相似度量的鲁棒目标跟踪算法的介绍 | 第32-39页 |
| 4.2.1 提取每个候选目标的置信值 | 第34-37页 |
| 4.2.2 基于ASLSA模型的候选目标的似然值 | 第37-38页 |
| 4.2.3 合成相似性度量及更新 | 第38-39页 |
| 4.3 实验结果 | 第39-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 工作总结 | 第44-45页 |
| 5.2 工作展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士期间发表的论文 | 第51-52页 |
| 攻读硕士期间参与的科研项目 | 第52页 |
