| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 基于压缩感知的目标跟踪在国内外研究历史与现状 | 第10-12页 |
| 1.3 跟踪算法面临的挑战 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 第二章 压缩感知原理与应用 | 第15-27页 |
| 2.1 压缩感知原理 | 第15-22页 |
| 2.1.1 CS的观测矩阵 | 第15-17页 |
| 2.1.2 可压缩信号的重构 | 第17-22页 |
| 2.2 CS理论的应用 | 第22-26页 |
| 2.2.1 在无线通信领域的应用 | 第22-23页 |
| 2.2.2 在图像处理以及医学领域的应用 | 第23页 |
| 2.2.3 在人脸识别中的应用 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 压缩感知在目标追踪的应用 | 第27-37页 |
| 3.1 常用的特征提取方法 | 第27-33页 |
| 3.1.1 二值特征提取方法 | 第27-29页 |
| 3.1.2 特征的稀疏化与随机提取 | 第29-33页 |
| 3.2 对于TLD算法特征提取的改进 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 稀疏子空间表示在目标追踪中的应用 | 第37-49页 |
| 4.1 稀疏目标子空间 | 第37-40页 |
| 4.1.1 提取目标的稀疏子空间 | 第37-39页 |
| 4.1.2 稀疏子空间与候选目标的距离 | 第39-40页 |
| 4.1.2.1 稀疏子空间与候选目标的距离建模 | 第39页 |
| 4.1.2.2 稀疏子空间的更新 | 第39-40页 |
| 4.2 利用粒子滤波实现跟踪过程 | 第40-42页 |
| 4.2.1 建立粒子滤波模型 | 第40-41页 |
| 4.2.2 建立目标的动态模型 | 第41-42页 |
| 4.2.3 建立目标的外观模型 | 第42页 |
| 4.3 实验结果展示与分析 | 第42-48页 |
| 4.3.1 实验结果展示 | 第42-46页 |
| 4.3.2 实验参数与结果分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 研究总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49页 |
| 5.2 研究展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间取得的成果 | 第55-56页 |