| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究课题的背景和意义 | 第8-9页 |
| 1.2 目标跟踪主要难点 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文主要工作 | 第12-13页 |
| 1.5 论文章节安排 | 第13-14页 |
| 第二章 目标跟踪系统组成 | 第14-19页 |
| 2.1 目标跟踪组成 | 第14-15页 |
| 2.2 目标外观模型 | 第15-17页 |
| 2.2.1 目标特征描述 | 第16页 |
| 2.2.2 目标跟踪检测 | 第16-17页 |
| 2.3 目标运动模型 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于改进的稀疏表示模型的跟踪算法研究 | 第19-31页 |
| 3.1 引言 | 第19页 |
| 3.2 稀疏表示理论 | 第19-22页 |
| 3.2.1 稀疏表示模型构造 | 第19-21页 |
| 3.2.2 稀疏求解算法 | 第21-22页 |
| 3.3 跟踪算法研究 | 第22-27页 |
| 3.3.1 粒子滤波框架简介 | 第22-23页 |
| 3.3.2 运动模型 | 第23-24页 |
| 3.3.3 质点构造 | 第24-25页 |
| 3.3.4 观测模型 | 第25-26页 |
| 3.3.5 模板更新 | 第26页 |
| 3.3.6 算法流程 | 第26-27页 |
| 3.4 实验仿真分析 | 第27-30页 |
| 3.4.1 实验平台 | 第27页 |
| 3.4.2 性能评估方法 | 第27-28页 |
| 3.4.3 实验准备 | 第28页 |
| 3.4.4 实验分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于增量 2D 子空间学习的跟踪算法研究 | 第31-44页 |
| 4.1 引言 | 第31页 |
| 4.2 PCA 算法介绍 | 第31-32页 |
| 4.2.1 传统 PCA 算法 | 第31-32页 |
| 4.2.2 2D-PCA 算法 | 第32页 |
| 4.3 增量子空间学习算法 | 第32-37页 |
| 4.3.1 概述 | 第32-33页 |
| 4.3.2 传统 PCA 算法更新子空间 | 第33页 |
| 4.3.3 SKL 算法更新子空间 | 第33-34页 |
| 4.3.4 增量 PCA 算法更新子空间 | 第34-36页 |
| 4.3.5 增量 2D-PCA 算法更新 2D 子空间 | 第36-37页 |
| 4.4 遗忘因子 | 第37-38页 |
| 4.5 跟踪算法研究 | 第38-42页 |
| 4.5.1 质点构造 | 第38-39页 |
| 4.5.2 观测模型 | 第39-40页 |
| 4.5.3 子空间更新 | 第40-41页 |
| 4.5.4 算法流程 | 第41-42页 |
| 4.6 实验仿真分析 | 第42-43页 |
| 4.6.1 实验准备 | 第42页 |
| 4.6.2 实验分析 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 基于子空间稀疏表示模型的跟踪算法研究 | 第44-60页 |
| 5.1 引言 | 第44页 |
| 5.2 IVT-L1观测模型 | 第44-46页 |
| 5.3 二次取样策略 | 第46-47页 |
| 5.4 遮挡检测 | 第47-48页 |
| 5.5 基于一维子空间稀疏表示模型的跟踪算法 | 第48-50页 |
| 5.5.1 概述 | 第48页 |
| 5.5.2 算法流程 | 第48-50页 |
| 5.6 基于二维子空间稀疏表示模型的跟踪算法 | 第50-51页 |
| 5.6.1 IVT2D-L1观测模型 | 第50-51页 |
| 5.6.2 算法概述 | 第51页 |
| 5.7 实验仿真分析 | 第51-59页 |
| 5.7.1 实验准备 | 第51-52页 |
| 5.7.2 实验分析 | 第52-59页 |
| 5.8 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |