| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要符号表 | 第16-19页 |
| 第1章 绪论 | 第19-40页 |
| 1.1 课题来源 | 第19页 |
| 1.2 研究背景与意义 | 第19-22页 |
| 1.3 国内外研究现状 | 第22-34页 |
| 1.3.1 国内外研究活动及研究成果 | 第22-24页 |
| 1.3.2 目标跟踪算法框架 | 第24-25页 |
| 1.3.3 目标跟踪算法分类 | 第25-33页 |
| 1.3.3.1 按表观特征描述方式 | 第25-27页 |
| 1.3.3.2 按统计学模型 | 第27-33页 |
| 1.3.3.3 视频跟踪算法在内河船舶目标跟踪中的应用 | 第33页 |
| 1.3.4 内河船舶接力跟踪关键技术-目标交接 | 第33-34页 |
| 1.4 视频跟踪面临的难点 | 第34-35页 |
| 1.5 论文主要研究内容及结构 | 第35-40页 |
| 1.5.1 论文主要研究内容 | 第35-37页 |
| 1.5.2 论文结构 | 第37-40页 |
| 第2章 遮挡环境下的实时压缩跟踪 | 第40-65页 |
| 2.1 引言 | 第40-42页 |
| 2.2 CT算法 | 第42-50页 |
| 2.2.1 压缩感知理论 | 第42-44页 |
| 2.2.2 Haar-like特征及积分直方图 | 第44-45页 |
| 2.2.3 特征提取及压缩 | 第45-47页 |
| 2.2.4 朴素贝叶斯分类器 | 第47-49页 |
| 2.2.5 CT算法框架 | 第49-50页 |
| 2.3 遮挡环境下的压缩跟踪算法 | 第50-63页 |
| 2.3.1 RCTUO算法框架 | 第51-56页 |
| 2.3.2 实验结果与分析 | 第56-63页 |
| 2.3.2.1 实验平台及参数设置 | 第56页 |
| 2.3.2.2 定性分析 | 第56-60页 |
| 2.3.2.3 定量分析及评价标准 | 第60-63页 |
| 2.4 本章小结 | 第63-65页 |
| 第3章 基于稀疏表示的鲁棒目标跟踪 | 第65-102页 |
| 3.1 引言 | 第65-67页 |
| 3.2 稀疏表示理论及L1算法 | 第67-71页 |
| 3.2.1 稀疏表示及压缩感知 | 第67-68页 |
| 3.2.2 L1算法 | 第68-69页 |
| 3.2.3 有界粒子重采样及BPR-L1算法 | 第69-71页 |
| 3.3 PCA及增量PCA | 第71-74页 |
| 3.3.1 经典PCA算法 | 第71-72页 |
| 3.3.2 增量PCA算法 | 第72-74页 |
| 3.4 基于L2-RLS和压缩HAAR-LIKE特征匹配的目标跟踪 | 第74-84页 |
| 3.4.1 L2算法 | 第74-80页 |
| 3.4.1.1 基于L2-RLS的目标表示 | 第74-77页 |
| 3.4.1.2 L2算法框架 | 第77-79页 |
| 3.4.1.3 L2算法存在的主要不足 | 第79-80页 |
| 3.4.2 L2CHFM算法（本文算法） | 第80-84页 |
| 3.4.2.1 压缩Haar-like特征匹配技术 | 第80-83页 |
| 3.4.2.2 L2CHFM算法流程 | 第83-84页 |
| 3.5 实验结果与分析 | 第84-100页 |
| 3.5.1 实验平台及参数设置 | 第85-86页 |
| 3.5.2 定性分析 | 第86-94页 |
| 3.5.3 定量分析 | 第94-100页 |
| 3.5.4 时间复杂度分析 | 第100页 |
| 3.6 本章小结 | 第100-102页 |
| 第4章 基于L2范数最小化的快速目标跟踪及其应用 | 第102-132页 |
| 4.1 引言 | 第102-104页 |
| 4.2 PCAL2算法 | 第104-107页 |
| 4.2.1 基于L2范数最小化的目标表示 | 第104-105页 |
| 4.2.2 PCAL2算法框架 | 第105-107页 |
| 4.2.2.1 贝叶斯MAP估计 | 第106页 |
| 4.2.2.2 状态转移模型 | 第106页 |
| 4.2.2.3 观测模型 | 第106-107页 |
| 4.2.3 PCAL2算法存在的主要不足 | 第107页 |
| 4.3 FL2CHFM算法（本文算法） | 第107-111页 |
| 4.3.1 简化观测似然模型 | 第107-109页 |
| 4.3.2 基于遮挡率的PCA子空间更新 | 第109页 |
| 4.3.3 融合压缩Haar-like特征匹配技术 | 第109-110页 |
| 4.3.3.1 不等式融合条件 | 第109-110页 |
| 4.3.3.2 压缩Haar-like特征提取 | 第110页 |
| 4.3.3.3 特征匹配技术 | 第110页 |
| 4.3.4 FL2CHFM算法流程 | 第110-111页 |
| 4.4 实验结果与分析 | 第111-124页 |
| 4.4.1 定性分析 | 第112-117页 |
| 4.4.2 定量分析 | 第117-124页 |
| 4.4.2.1 跟踪精度定量分析 | 第117-122页 |
| 4.4.2.2 尺度变化适应能力定量分析 | 第122-123页 |
| 4.4.2.3 时间复杂度分析 | 第123-124页 |
| 4.5 FL2CHFM算法在内河船舶跟踪中的应用 | 第124-130页 |
| 4.5.1 低分辨率子空间下的FL2CHFM算法 | 第125页 |
| 4.5.2 内河船舶视频跟踪实验 | 第125-130页 |
| 4.5.2.1 实验设置 | 第125-126页 |
| 4.5.2.2 定性分析 | 第126-128页 |
| 4.5.2.3 定量分析 | 第128-130页 |
| 4.5.2.4 时间复杂度分析 | 第130页 |
| 4.6 本章小结 | 第130-132页 |
| 第5章 无重叠视野内河船舶目标交接 | 第132-154页 |
| 5.1 引言 | 第132-134页 |
| 5.2 内河船舶目标交接过程 | 第134-135页 |
| 5.3 FCT算法及HOG特征描述子 | 第135-136页 |
| 5.3.1 FCT算法基本原理 | 第135页 |
| 5.3.2 HOG特征描述子 | 第135-136页 |
| 5.4 改进FCT算法应用于内河船舶目标交接 | 第136-142页 |
| 5.4.1 初始化朴素贝叶斯分类器 | 第136-137页 |
| 5.4.2 后继摄像机中目标快速检测和定位 | 第137-138页 |
| 5.4.3 确定目标交接时刻 | 第138-142页 |
| 5.5 基于多尺度HOG特征匹配的目标再识别 | 第142-143页 |
| 5.6 实验结果与分析 | 第143-152页 |
| 5.6.1 内河船舶快速检测与定位实验 | 第143-147页 |
| 5.6.2 目标再识别实验 | 第147-150页 |
| 5.6.3 算法有效性验证 | 第150-151页 |
| 5.6.4 时间复杂度分析 | 第151-152页 |
| 5.7 本章小结 | 第152-154页 |
| 第6章 全文总结与展望 | 第154-157页 |
| 6.1 全文总结 | 第154-155页 |
| 6.2 工作展望 | 第155-157页 |
| 致谢 | 第157-159页 |
| 参考文献 | 第159-177页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第177-178页 |
