基于增量学习的视频跟踪

摘要	第1-4页
Abstract	第4-7页
第一章 绪论	第7-10页
·研究背景及现状	第7页
·目标跟踪算法中出现的问题	第7-8页
·本文所做的工作	第8-10页
第二章 增量学习视频跟踪的基本知识	第10-22页
·主成分分析	第10-14页
·主成分分析的基本原理	第11-12页
·主成分分析的主要计算步骤	第12-14页
·奇异值分解	第14-17页
·奇异值分解(SVD)	第14-16页
·奇异值分解的QR分解算法	第16-17页
·序列卡洛变换(SKL)	第17-22页
·序列卡洛变换算法简介及优势	第17-18页
·离散卡洛基的计算	第18-19页
·序列卡洛变换算法步骤	第19-22页
第三章 视频跟踪基本流程	第22-29页
·视频跟踪基本流程	第22-23页
·粒子滤波	第23-29页
·贝叶斯滤波原理	第23-24页
·蒙特卡罗方法	第24-27页
·退化问题	第27-29页
第四章 基于增量的模板更新	第29-38页
·增量更新模板(特征基)	第29-33页
·增量主成分分析	第30-32页
·遗忘因子	第32-33页
·改进型粒子滤波	第33-38页
·动态模型	第34页
·观察模型	第34-35页
·距离度量标准	第35-38页
第五章 实验结果及分析	第38-47页
·跟踪算法实验的步骤	第38页
·实验结果	第38-47页
·室内视频跟踪算法表现	第39-43页
·室外视频跟踪算法表现	第43-45页
·失败案例	第45-47页
第六章 结论和展望	第47-48页
·结论	第47页
·展望	第47-48页
参考文献	第48-52页
致谢	第52页