基于稀疏表示的视觉目标跟踪方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-18页 |
| 主要符号表 | 第18-19页 |
| 1 绪论 | 第19-32页 |
| ·本文的研究背景及意义 | 第19-21页 |
| ·目标跟踪的研究现状 | 第21-26页 |
| ·目标跟踪问题描述 | 第21-22页 |
| ·目标表观建模方法 | 第22-25页 |
| ·目标搜索策略 | 第25-26页 |
| ·模型的在线更新策略 | 第26页 |
| ·相关跟踪方法概述 | 第26-30页 |
| ·基于稀疏表示的目标跟踪方法 | 第26-28页 |
| ·基于稀疏多任务学习的目标跟踪方法 | 第28-30页 |
| ·本文主要研究思路与内容安排 | 第30-32页 |
| 2 基于整体稀疏表示粒子预判的两步跟踪算法 | 第32-58页 |
| ·引言 | 第32页 |
| ·基于贝叶斯推论的目标跟踪框架 | 第32-33页 |
| ·基于整体稀疏表示的粒子预判 | 第33-40页 |
| ·问题建模 | 第33-36页 |
| ·优化求解 | 第36-37页 |
| ·粒子预判 | 第37-39页 |
| ·模板更新策略 | 第39-40页 |
| ·观测模型 | 第40-41页 |
| ·本章跟踪算法的实现 | 第41页 |
| ·实验结果与分析 | 第41-57页 |
| ·粒子预判的有效性分析 | 第44-45页 |
| ·定性分析 | 第45-52页 |
| ·定量分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 3 基于局部判别稀疏表示的目标跟踪算法 | 第58-86页 |
| ·引言 | 第58-59页 |
| ·基于K-Selection的局部判别字典学习 | 第59-63页 |
| ·问题建模 | 第59-61页 |
| ·优化求解 | 第61-63页 |
| ·局部判别稀疏模型 | 第63-68页 |
| ·目标模型 | 第63-64页 |
| ·基于结构信息的相似性衡量准则 | 第64-66页 |
| ·目标模型的更新 | 第66-68页 |
| ·本章跟踪算法的实现 | 第68-69页 |
| ·实验与结果分析 | 第69-84页 |
| ·参数设置与分析 | 第70-73页 |
| ·定性分析 | 第73-80页 |
| ·定量分析 | 第80-84页 |
| ·本章小结 | 第84-86页 |
| 4 基于加权结构稀疏表示的目标跟踪算法 | 第86-106页 |
| ·引言 | 第86页 |
| ·结构稀疏表示 | 第86-88页 |
| ·基于局部稀疏表示的重要性权重 | 第88-89页 |
| ·基于加权结构稀疏的目标表观模型 | 第89-92页 |
| ·加权结构稀疏模型 | 第89-90页 |
| ·相似性衡量函数 | 第90-91页 |
| ·目标模型的更新策略 | 第91-92页 |
| ·本章跟踪算法的实现 | 第92页 |
| ·实验结果与分析 | 第92-105页 |
| ·加权模型的有效性分析 | 第93-94页 |
| ·定性分析 | 第94-101页 |
| ·定量分析 | 第101-105页 |
| ·本章小结 | 第105-106页 |
| 5 基于局部联合稀疏表示的多任务跟踪算法 | 第106-127页 |
| ·引言 | 第106页 |
| ·局部联合稀疏模型 | 第106-110页 |
| ·目标模型 | 第107-108页 |
| ·样本模型 | 第108-110页 |
| ·联合相似性函数 | 第110页 |
| ·本章跟踪算法的实现 | 第110-113页 |
| ·实验结果与分析 | 第113-126页 |
| ·定性分析 | 第114-121页 |
| ·定量分析 | 第121-126页 |
| ·本章小结 | 第126-127页 |
| 6 结论与展望 | 第127-130页 |
| ·结论 | 第127-128页 |
| ·创新点摘要 | 第128-129页 |
| ·未来工作展望 | 第129-130页 |
| 参考文献 | 第130-138页 |
| 攻读博士学位期间科研项目及科研成果 | 第138-139页 |
| 致谢 | 第139-140页 |
| 作者简介 | 第140页 |
