| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-22页 |
| ·研究的背景及意义 | 第10-12页 |
| ·视觉特征 | 第12-13页 |
| ·跟踪算法的概述 | 第13-17页 |
| ·可视视频跟踪技术现状分析 | 第13-16页 |
| ·红外目标跟踪现状分析 | 第16-17页 |
| ·复杂环境下视觉跟踪的难点及热点 | 第17-18页 |
| ·本文的主要研究内容和结构安排 | 第18-22页 |
| 2 基于空间 BRS 的粒子滤波跟踪 | 第22-48页 |
| ·背景知识 | 第23-27页 |
| ·粒子滤波法 | 第23页 |
| ·粒子采样策略 | 第23-25页 |
| ·消除粒子退化 | 第25-26页 |
| ·BRD 距离 | 第26-27页 |
| ·构建观察似然 | 第27-33页 |
| ·BBRS 距离 | 第28-31页 |
| ·SBRS 距离 | 第31-32页 |
| ·跟踪伪码 | 第32-33页 |
| ·实验结果 | 第33-46页 |
| ·基于 BBRS 的跟踪结果 | 第33-42页 |
| ·基于 SBRS 的跟踪结果 | 第42-46页 |
| ·小结 | 第46-48页 |
| 3 基于目标模型自适应更新的粒子滤波跟踪 | 第48-62页 |
| ·粒子滤波器及状态转移模型简介 | 第48-50页 |
| ·直接稀疏主成份 | 第50-53页 |
| ·概念 | 第50页 |
| ·稀疏方差最大化 | 第50页 |
| ·半正定松弛法 | 第50-51页 |
| ·DSPCA | 第51-53页 |
| ·多参照颜色直方图 | 第53-55页 |
| ·直接稀疏主成分分解 | 第53-54页 |
| ·基于多参照直方图的单参照直方图 | 第54页 |
| ·基于 DSPCA 的跟踪算法伪码和算法复杂性分析 | 第54-55页 |
| ·实验结果 | 第55-59页 |
| ·结论 | 第59-62页 |
| 4 基于多特征自适应融合的粒子滤波跟踪 | 第62-78页 |
| ·特征提取和选择 | 第62-64页 |
| ·边缘梯度方向直方图 | 第62-63页 |
| ·颜色特征 | 第63-64页 |
| ·特征选择 | 第64页 |
| ·基于多特征自适应融合的粒子滤波跟踪 | 第64-67页 |
| ·构建观测似然模型 | 第64-66页 |
| ·更新目标直方图 | 第66-67页 |
| ·算法伪码 | 第67页 |
| ·实验结果 | 第67-76页 |
| ·基于可见视频的跟踪 | 第68-73页 |
| ·基于红外视频的跟踪 | 第73-76页 |
| ·小结 | 第76-78页 |
| 5 基于块的自适应均值移动跟踪 | 第78-88页 |
| ·经典的均值移动跟踪算法 | 第79-81页 |
| ·特征直方图和 Bhattacharyya 系数 | 第79-80页 |
| ·目标定位 | 第80页 |
| ·基本均值移动跟踪算法流程 | 第80-81页 |
| ·基于块的均值移动跟踪算法 | 第81-83页 |
| ·MSBRS | 第82页 |
| ·更新目标模型 | 第82-83页 |
| ·算法伪码 | 第83页 |
| ·实验结果 | 第83-86页 |
| ·小结 | 第86-88页 |
| 6 基于半监督支持向量机和自适应特征的目标跟踪 | 第88-104页 |
| ·在线支持向量机 | 第89-92页 |
| ·增量学习 | 第90-91页 |
| ·元素变换 | 第91-92页 |
| ·边缘方向直方图和特征融合 | 第92-94页 |
| ·边缘方向直方图 | 第92页 |
| ·特征融合 | 第92页 |
| ·MSSBRS | 第92-94页 |
| ·目标模型更新 | 第94-95页 |
| ·基于半监督支持向量机和自适应特征的目标跟踪 | 第95-97页 |
| ·定位目标和更新分类器 | 第96页 |
| ·算法伪码 | 第96-97页 |
| ·实验结果 | 第97-102页 |
| ·可见视频序列结果 | 第97-98页 |
| ·红外序列中的结果 | 第98-102页 |
| ·本章小结 | 第102-104页 |
| 7 总结与展望 | 第104-108页 |
| ·本文的研究工作与创新 | 第104-105页 |
| ·论文不足之处和后续工作展望 | 第105-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-122页 |
| 附录 | 第122页 |
| A: 参加的科研项目 | 第122页 |
| B: 录用和发表论文 | 第122页 |
| C: 作者已投稿的论文 | 第122页 |