基于潜在子空间投影追踪的鲁棒视频跟踪方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-12页 |
| 1 视频跟踪方法 | 第12-22页 |
| 1.1 基于在线多示例学习的视频跟踪方法 | 第12-15页 |
| 1.1.1 在线多示例提升方法 | 第14页 |
| 1.1.2 弱分类器 | 第14-15页 |
| 1.2 采样跟踪器视频跟踪方法 | 第15-20页 |
| 1.2.1 跟踪器采样 | 第17-20页 |
| 1.2.2 状态采样 | 第20页 |
| 1.3 跟踪-学习-检测视频跟踪方法 | 第20-22页 |
| 2 基于子空间表示的视频目标追踪方法 | 第22-34页 |
| 2.1 基于粒子滤波的视频目标追踪框架 | 第22-24页 |
| 2.1.1 粒子滤波 | 第22-23页 |
| 2.1.2 状态转移模型 | 第23-24页 |
| 2.1.3 观测模型 | 第24页 |
| 2.2 L1跟踪法 | 第24-27页 |
| 2.2.1 稀疏表示 | 第24-25页 |
| 2.2.2 用APG方法的实时鲁棒L1跟踪方法 | 第25-27页 |
| 2.3 增量式学习鲁棒跟踪方法 | 第27-31页 |
| 2.3.1 特征向量和均值的增量式更新 | 第27-30页 |
| 2.3.2 观测模型 | 第30-31页 |
| 2.4 稀疏原型在线目标跟踪 | 第31-34页 |
| 2.4.1 稀疏原型 | 第31-32页 |
| 2.4.2 观测模型 | 第32-34页 |
| 3 基于潜在子空间投影追踪的鲁棒视频跟踪方法 | 第34-40页 |
| 3.1 潜在子空间映射 | 第34-36页 |
| 3.2 潜在子空间映射追踪 | 第36-37页 |
| 3.2.1 初始化 | 第37页 |
| 3.2.2 投影追踪 | 第37页 |
| 3.3 观测模型 | 第37-39页 |
| 3.4 复杂度分析 | 第39-40页 |
| 4 实验 | 第40-46页 |
| 4.1 定性实验 | 第40-45页 |
| 4.1.1 严重遮挡 | 第41-42页 |
| 4.1.2 光照、非刚性、尺度和旋转变换 | 第42-44页 |
| 4.1.3 杂乱背景 | 第44-45页 |
| 4.2 定量实验 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-52页 |
| 致谢 | 第52-54页 |
