粒子滤波架构下视觉目标跟踪相关技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究内容及现状 | 第11-17页 |
| 1.3 本文的研究内容 | 第17-20页 |
| 1.4 论文安排 | 第20-21页 |
| 2 目标跟踪建模理论与关键技术研究 | 第21-32页 |
| 2.1 基于粒子滤波的跟踪架构 | 第22-27页 |
| 2.2 目标图像的稀疏表示及求解算法 | 第27-29页 |
| 2.3 视觉跟踪算法的评价指标 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 自适应粒子滤波视觉目标跟踪算法 | 第32-44页 |
| 3.1 经典粒子滤波分析 | 第33-34页 |
| 3.2 基于速度在线更新的状态转移模型 | 第34-35页 |
| 3.3 改进的真实状态估计方法 | 第35-36页 |
| 3.4 观测似然模型 | 第36-37页 |
| 3.5 ASEPF跟踪算法流程 | 第37-38页 |
| 3.6 实验结果分析 | 第38-42页 |
| 3.7 本章小结 | 第42-44页 |
| 4 基于粒子聚类分析的L1跟踪算法 | 第44-66页 |
| 4.1 经典L1跟踪算法 | 第45-47页 |
| 4.2 基于粒子聚类分析的粒子筛选 | 第47-50页 |
| 4.3 PSCA-L1跟踪算法 | 第50-52页 |
| 4.4 实验结果分析 | 第52-65页 |
| 4.5 本章小结 | 第65-66页 |
| 5 基于在线判别分析的L1视觉跟踪算法 | 第66-91页 |
| 5.1 稀疏表示在视觉跟踪中的探讨分析 | 第66-67页 |
| 5.2 在线判别分析 | 第67-70页 |
| 5.3 ODL-L1跟踪算法 | 第70-73页 |
| 5.4 实验结果分析 | 第73-90页 |
| 5.5 本章小结 | 第90-91页 |
| 6 总结与展望 | 第91-94页 |
| 6.1 全文总结 | 第91页 |
| 6.2 研究展望 | 第91-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-104页 |
| 附录1 攻读学位期间发表论文目录 | 第104页 |
