基于L0正则化局部字典学习的视频追踪
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关工作 | 第9-10页 |
| 1.3 本文贡献 | 第10-11页 |
| 1.4 本文的主要内容及章节安排 | 第11-12页 |
| 2 代表性的视频追踪算法 | 第12-19页 |
| 2.1 粒子滤波 | 第12-13页 |
| 2.1.1 动态模型 | 第12-13页 |
| 2.1.2 观测模型 | 第13页 |
| 2.2 增量的视频追踪(IVT) | 第13-16页 |
| 2.2.1 IVT跟踪算法的流程 | 第15-16页 |
| 2.3 基于稀疏原型的视频追踪 | 第16-19页 |
| 2.3.1 稀疏原型的提出 | 第17-19页 |
| 3 基于局部字典学习的视频追踪算法 | 第19-29页 |
| 3.1 局部字典学习 | 第19-21页 |
| 3.1.1 初始化 | 第19-20页 |
| 3.1.2 在线更新 | 第20页 |
| 3.1.3 数值解法 | 第20-21页 |
| 3.2 基于局部字典的视频追踪 | 第21-24页 |
| 3.3 实验结果 | 第24-29页 |
| 3.3.1 定性评价 | 第24-27页 |
| 3.3.2 定量评价 | 第27-29页 |
| 4 LO正则化的低秩特征更新 | 第29-39页 |
| 4.1 LO正则化的稀疏编码 | 第30页 |
| 4.2 数值解法 | 第30-32页 |
| 4.3 实验结果 | 第32-39页 |
| 4.3.1 定性分析 | 第32-36页 |
| 4.3.2 定量分析 | 第36页 |
| 4.3.3 算法速度 | 第36-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-46页 |
| 致谢 | 第46-48页 |
