| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 视频目标跟踪的研究意义 | 第14页 |
| 1.2 目标跟踪研究技术综述 | 第14-21页 |
| 1.2.1 跟踪分类和基本框架 | 第14-16页 |
| 1.2.2 图像特征表示 | 第16-17页 |
| 1.2.3 目标观测模型 | 第17-21页 |
| 1.3 论文研究内容 | 第21-23页 |
| 1.4 论文章节内容安排 | 第23-24页 |
| 第2章 视频目标跟踪建模理论与关键技术 | 第24-34页 |
| 2.1 贝叶斯推理统计 | 第24-25页 |
| 2.1.1 目标跟踪状态建模 | 第24-25页 |
| 2.1.2 贝叶斯推理过程 | 第25页 |
| 2.2 仿射运动采样 | 第25-27页 |
| 2.2.1 仿射运动模型 | 第25-26页 |
| 2.2.2 候选样本采集 | 第26-27页 |
| 2.3 稀疏表示 | 第27-28页 |
| 2.4 极限学习机 | 第28-30页 |
| 2.4.1 极限学习机理论 | 第28-30页 |
| 2.4.2 极限学习机算法 | 第30页 |
| 2.5 ELM自编码器 | 第30-31页 |
| 2.6 目标跟踪的评价指标 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 基于双向稀疏表示的鲁棒目标跟踪算法 | 第34-50页 |
| 3.1 引言 | 第34-35页 |
| 3.2 传统单向稀疏表示模型 | 第35-36页 |
| 3.3 双向稀疏表示目标跟踪 | 第36-43页 |
| 3.3.1 模型建立 | 第36-38页 |
| 3.3.2 优化求解 | 第38-41页 |
| 3.3.3 观测似然模型 | 第41-42页 |
| 3.3.4 模板在线更新 | 第42页 |
| 3.3.5 整体跟踪算法框架 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-49页 |
| 3.4.1 定性分析 | 第44-47页 |
| 3.4.2 定量比较 | 第47-49页 |
| 3.4.3 计算复杂度分析 | 第49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于ELM分类学习的高效判决式目标跟踪算法 | 第50-76页 |
| 4.1 引言 | 第50-52页 |
| 4.2 基于ELM分类学习的目标跟踪 | 第52-61页 |
| 4.2.1 基本的跟踪分类学习框架 | 第52-55页 |
| 4.2.2 成对度量学习约束 | 第55-57页 |
| 4.2.3 时间平滑约束 | 第57页 |
| 4.2.4 模型求解 | 第57-58页 |
| 4.2.5 分类器在线更新 | 第58-61页 |
| 4.3 算法讨论 | 第61-63页 |
| 4.3.1 与基于SVM跟踪分类器的区别 | 第61-62页 |
| 4.3.2 与基于Boosting跟踪分类器的区别 | 第62-63页 |
| 4.4 实验结果与分析 | 第63-73页 |
| 4.4.1 参数设置 | 第63-64页 |
| 4.4.2 定性分析 | 第64-68页 |
| 4.4.3 定量比较 | 第68-71页 |
| 4.4.4 关键参数分析 | 第71页 |
| 4.4.5 诊断性分析 | 第71-73页 |
| 4.4.6 计算复杂度分析 | 第73页 |
| 4.5 本章小结 | 第73-76页 |
| 第5章 联合稀疏表示和分类判决的鲁棒目标跟踪算法 | 第76-102页 |
| 5.1 引言 | 第76-77页 |
| 5.2 目标跟踪算法提出 | 第77-88页 |
| 5.2.1 特征提取 | 第78-82页 |
| 5.2.2 ELM分类筛选 | 第82-83页 |
| 5.2.3 流形学习约束下的稀疏表示 | 第83-85页 |
| 5.2.4 优化求解 | 第85-87页 |
| 5.2.5 整体跟踪流程 | 第87-88页 |
| 5.3 算法讨论 | 第88页 |
| 5.4 实验结果与分析 | 第88-99页 |
| 5.4.1 参数设置 | 第88-89页 |
| 5.4.2 定量比较 | 第89-91页 |
| 5.4.3 定性分析 | 第91-95页 |
| 5.4.4 关键参数分析 | 第95-96页 |
| 5.4.5 诊断性分析 | 第96-98页 |
| 5.4.6 与本文其他两种跟踪算法对比 | 第98-99页 |
| 5.4.7 计算复杂度分析 | 第99页 |
| 5.5 本章小结 | 第99-102页 |
| 第6章 总结与展望 | 第102-104页 |
| 6.1 论文工作总结 | 第102-103页 |
| 6.2 研究工作展望 | 第103-104页 |
| 参考文献 | 第104-114页 |
| 攻读博士学位期间发表学术论文清单 | 第114-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118页 |