视频序列中的运动目标跟踪方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 目标跟踪研究现状与分析 | 第13-18页 |
| 1.2.1 目标跟踪方法研究现状 | 第13-16页 |
| 1.2.2 目标跟踪方法分类 | 第16-18页 |
| 1.3 目标跟踪中存在的问题 | 第18-19页 |
| 1.4 本文的研究内容及论文结构 | 第19-21页 |
| 第2章 目标跟踪相关基础理论 | 第21-28页 |
| 2.1 目标的特征描述 | 第21-23页 |
| 2.1.1 目标全局特征 | 第21-22页 |
| 2.1.2 目标局部特征 | 第22-23页 |
| 2.2 压缩感知理论 | 第23-26页 |
| 2.2.1 压缩感知理论概述 | 第23-24页 |
| 2.2.2 信号的稀疏表示 | 第24页 |
| 2.2.3 随机测量矩阵 | 第24-26页 |
| 2.2.4 信号的重构算法 | 第26页 |
| 2.3 目标跟踪算法性能评估 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于粒子滤波和压缩感知的目标跟踪算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 粒子滤波理论 | 第28-32页 |
| 3.2.1 贝叶斯滤波 | 第28-30页 |
| 3.2.2 蒙特卡罗仿真 | 第30页 |
| 3.2.3 序贯重要性采样 | 第30-31页 |
| 3.2.4 粒子退化问题与重采样 | 第31-32页 |
| 3.3 标准粒子滤波算法 | 第32-33页 |
| 3.4 基于粒子滤波和压缩感知的目标跟踪算法 | 第33-39页 |
| 3.4.1 随机投影与特征压缩 | 第34-36页 |
| 3.4.2 特征融合及样本权值 | 第36-37页 |
| 3.4.3 粒子重采样 | 第37-38页 |
| 3.4.4 算法流程 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-43页 |
| 3.5.1 定性比较 | 第39-41页 |
| 3.5.2 定量比较 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 结合CamShift的压缩跟踪算法 | 第44-66页 |
| 4.1 引言 | 第44-45页 |
| 4.2 样本的Haar-like特征 | 第45-47页 |
| 4.3 压缩跟踪算法 | 第47-48页 |
| 4.4 CamShift算法 | 第48-51页 |
| 4.5 结合CamShift的压缩跟踪算法 | 第51-57页 |
| 4.5.1 初始化分类器和目标参考模型 | 第52-53页 |
| 4.5.2 结合目标预测位置的判别函数 | 第53-54页 |
| 4.5.3 参数更新策略 | 第54-55页 |
| 4.5.4 自适应调整跟踪窗大小 | 第55-56页 |
| 4.5.5 算法流程 | 第56-57页 |
| 4.6 实验结果及分析 | 第57-64页 |
| 4.6.1 定性比较 | 第58-63页 |
| 4.6.2 定量比较 | 第63-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第74页 |
