复杂环境下的CT目标跟踪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 目标跟踪算法概述 | 第11-15页 |
| 1.3.1 目标特征提取 | 第12-13页 |
| 1.3.2 目标跟踪算法分类 | 第13-14页 |
| 1.3.3 面临挑战 | 第14-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 压缩感知及压缩跟踪算法 | 第17-27页 |
| 2.1 压缩感知理论 | 第17-18页 |
| 2.2 信号的稀疏表示 | 第18-19页 |
| 2.3 观测矩阵的构造 | 第19-21页 |
| 2.4 信号重构 | 第21-22页 |
| 2.5 压缩跟踪算法 | 第22-25页 |
| 2.6 本章小结 | 第25-27页 |
| 3 结合Kalman滤波的快速压缩跟踪算法 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 结合Kalman滤波解决遮挡问题 | 第28-30页 |
| 3.3 自适应学习率 | 第30页 |
| 3.4 二次定位 | 第30-31页 |
| 3.5 第k帧的跟踪过程 | 第31-32页 |
| 3.6 实验结果与分析 | 第32-36页 |
| 3.6.1 参数设置 | 第32页 |
| 3.6.2 数据分析 | 第32-34页 |
| 3.6.3 图示分析 | 第34-36页 |
| 3.7 本章小结 | 第36-37页 |
| 4 尺度自适应的加权CT算法 | 第37-49页 |
| 4.1 引言 | 第37-38页 |
| 4.2 结合尺度更新的加权CT算法 | 第38-42页 |
| 4.2.1 HOG特征和fhog特征 | 第38-40页 |
| 4.2.2 尺度更新 | 第40-41页 |
| 4.2.3 加权分类器构建 | 第41-42页 |
| 4.3 算法流程 | 第42页 |
| 4.4 实验结果与分析 | 第42-48页 |
| 4.4.1 参数设置 | 第43页 |
| 4.4.2 数据分析 | 第43-44页 |
| 4.4.3 图示分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-59页 |
| 攻读硕士学位期间科研成果 | 第59-61页 |
| 致谢 | 第61页 |
