| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 视频跟踪算法研究 | 第9-12页 |
| 1.3 本文结构与内容 | 第12-14页 |
| 第2章 目标描述模型 | 第14-30页 |
| 2.1 目标提取特征概述 | 第14-17页 |
| 2.2 基于灰度信息的目标特征 | 第17-23页 |
| 2.2.1 Haar-like特征 | 第17-20页 |
| 2.2.2 SIFT特征 | 第20-23页 |
| 2.3 泛SIFT特征分析与比对 | 第23-28页 |
| 2.3.1 PCA-SIFT 特征 | 第23-25页 |
| 2.3.2 GLOH特征 | 第25-26页 |
| 2.3.3 SURF特征 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 特征压缩 | 第30-36页 |
| 3.1 压缩感知理论 | 第30-32页 |
| 3.2 稀疏矩阵 | 第32-33页 |
| 3.3 基于稀疏表示的琐碎模板算法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 跟踪算法及其分类器 | 第36-48页 |
| 4.1 分类器概述 | 第36-37页 |
| 4.2 基于匹配的跟踪算法 | 第37-41页 |
| 4.2.1 基于Mean-shift跟踪算法及其分类器 | 第37-40页 |
| 4.2.2 基于SIFT的匹配算法 | 第40-41页 |
| 4.3 基于状态估计的跟踪算法及其分类器 | 第41-43页 |
| 4.4 基于在线学习跟踪算法及其分类器 | 第43-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于SIFT的压缩跟踪算法 | 第48-60页 |
| 5.1 基于贝叶斯的分类算法 | 第48-51页 |
| 5.1.1 贝叶斯分类策略 | 第48-50页 |
| 5.1.2 基于贝叶斯的Noisy-OR分类器 | 第50-51页 |
| 5.2 基于SIFT的压缩跟踪算法 | 第51-54页 |
| 5.3 实验结果与分析 | 第54-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士期间科研成果 | 第74页 |