| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 第2章 前景目标提取与跟踪 | 第12-21页 |
| 2.1 引言 | 第12页 |
| 2.2 增量视觉跟踪(IVT) | 第12-13页 |
| 2.3 图割 | 第13-14页 |
| 2.4 最小软阈值跟踪算法 | 第14-16页 |
| 2.5 基于稀疏的协同跟踪模型(SCM) | 第16-19页 |
| 2.5.1 基于稀疏的判别分类器(SDC) | 第16-17页 |
| 2.5.2 基于稀疏的生成模型(SGM) | 第17-19页 |
| 2.6 基于块的级联分类器和概率决策的前景目标提取 | 第19-21页 |
| 第3章 目标特征提取方法 | 第21-31页 |
| 3.1 引言 | 第21页 |
| 3.2 外观特征 | 第21-22页 |
| 3.3 特征提取方法 | 第22-26页 |
| 3.3.1 SIFT特征 | 第22-23页 |
| 3.3.2 基于SIFT的词汇树特征 | 第23-24页 |
| 3.3.3 颜色直方图特征 | 第24-26页 |
| 3.3.4 基于主成分分析法的SIFT词汇树特征 | 第26页 |
| 3.4 核主成分分析 | 第26-27页 |
| 3.5 近似的核主成分分析 | 第27-28页 |
| 3.6 本文提出的CMFH方法 | 第28-31页 |
| 第4章 目标匹配方法研究 | 第31-39页 |
| 4.1 引言 | 第31页 |
| 4.2 标准的支持向量机 | 第31-33页 |
| 4.3 基于增量的支持向量机 | 第33-34页 |
| 4.4 IGMSVM | 第34-39页 |
| 第5章 实验及结果分析 | 第39-48页 |
| 5.1 数据集和实验环境 | 第39-40页 |
| 5.2 模型评价 | 第40-44页 |
| 5.3 IGMSVM模型的学习性能分析 | 第44-46页 |
| 5.4 前景提取对目标匹配结果的影响 | 第46-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录1 攻读硕士期间发表的论文 | 第54-55页 |
| 附录2 攻读硕士期间参加的科研项目 | 第55-56页 |