| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-21页 |
| 1.2.1 光流与遮挡 | 第12-14页 |
| 1.2.2 稀疏表示的模型 | 第14-18页 |
| 1.2.3 目标跟踪 | 第18-20页 |
| 1.2.4 动作识别 | 第20-21页 |
| 1.3 论文的研究内容和章节安排 | 第21-23页 |
| 第二章 基于稀疏表示和光流法的遮挡估计 | 第23-51页 |
| 2.1 引言 | 第23页 |
| 2.2 相关工作 | 第23-26页 |
| 2.3 STEIN-WEISS解析函数 | 第26-29页 |
| 2.4 时空域与STEIN-WEISS解析函数域的稀疏遮挡 | 第29-34页 |
| 2.4.1 时空域的稀疏遮挡 | 第29-31页 |
| 2.4.2 Stein-Weiss解析函数域的稀疏遮挡 | 第31-32页 |
| 2.4.3 两个稀疏表示模型的结合 | 第32-33页 |
| 2.4.4 遮挡区域中的光流估计 | 第33-34页 |
| 2.5 算法步骤 | 第34-42页 |
| 2.5.1 连续优化 | 第34-39页 |
| 2.5.2 稀疏变换模型的字典学习 | 第39-42页 |
| 2.6 结果与实验 | 第42-49页 |
| 2.6.1 算法演化的评估 | 第43-44页 |
| 2.6.2 遮挡检测的评估 | 第44-47页 |
| 2.6.3 光流估计的评估 | 第47-49页 |
| 2.6.4 运算时间的评估 | 第49页 |
| 2.7 本章小结 | 第49-51页 |
| 第三章 鲁棒的多任务稀疏模型 | 第51-71页 |
| 3.1 引言 | 第51页 |
| 3.2 相关工作 | 第51-53页 |
| 3.3 一个鲁棒的多任务的稀疏模型 | 第53-56页 |
| 3.3.1 基于多任务的最小化问题 | 第53-54页 |
| 3.3.2 相关的基于多任务的稀疏模型 | 第54-55页 |
| 3.3.3 提出的多任务稀疏模型 | 第55-56页 |
| 3.4 算法步骤 | 第56-62页 |
| 3.4.1 多阶段的多任务的框架 | 第57页 |
| 3.4.2 损失函数的对偶平滑 | 第57-58页 |
| 3.4.3 目标函数的函数性质 | 第58-60页 |
| 3.4.4 阶段内的算法步骤 | 第60-62页 |
| 3.5 实验与结果 | 第62-70页 |
| 3.5.1 合成数据的实验 | 第62-66页 |
| 3.5.2 评估数据集的实验 | 第66-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第四章 基于多任务稀疏模型的目标跟踪算法 | 第71-99页 |
| 4.1 引言 | 第71页 |
| 4.2 相关工作 | 第71-73页 |
| 4.3 目标跟踪算法 | 第73-82页 |
| 4.3.1 基于多任务稀疏特征的目标跟踪 | 第73-75页 |
| 4.3.2 具有调节和识别能力的多任务模型 | 第75-78页 |
| 4.3.3 观察相似函数 | 第78-79页 |
| 4.3.4 求解算法 | 第79-82页 |
| 4.4 实验与结果 | 第82-94页 |
| 4.4.1 合成数据的实验 | 第82-85页 |
| 4.4.2 评估数据集的实验 | 第85-94页 |
| 4.5 本章小结 | 第94-99页 |
| 第五章 基于最大平均相关高度滤波和稀疏模型的动作识别算法 | 第99-110页 |
| 5.1 引言 | 第99页 |
| 5.2 基于模板的动作特征的线性表示 | 第99-102页 |
| 5.2.1 动作特征的分段线性方程 | 第99-101页 |
| 5.2.2 动作特征的线性方程 | 第101-102页 |
| 5.3 基于稀疏特征的最大平均相关高度滤波的动作识别 | 第102-107页 |
| 5.3.1 动作识别的稀疏模型 | 第102-103页 |
| 5.3.2 动作的最大平均相关高度滤波 | 第103-106页 |
| 5.3.3 基于稀疏特征的最大平均相关高度滤波的动作识别算法 | 第106-107页 |
| 5.4 实验与结果 | 第107-109页 |
| 5.5 本章小结 | 第109-110页 |
| 总结与展望 | 第110-113页 |
| 参考文献 | 第113-123页 |
| 攻读博士学位期间取得的研究成果 | 第123-124页 |
| 致谢 | 第124-125页 |
| 附件 | 第125页 |
