| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于判别式模型的视觉目标跟踪算法 | 第11-12页 |
| 1.2.2 基于生成式模型的视觉目标跟踪算法 | 第12-13页 |
| 1.3 目标跟踪技术难点分析 | 第13-16页 |
| 1.4 本文主要研究内容及结构 | 第16-18页 |
| 第二章 视觉目标跟踪算法概述 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 视觉目标跟踪算法总体框架 | 第18-20页 |
| 2.3 目标特征描述方法 | 第20-24页 |
| 2.3.1 颜色特征描述方法 | 第20-21页 |
| 2.3.2 HOG特征描述方法 | 第21-23页 |
| 2.3.3 LBP特征描述方法 | 第23-24页 |
| 2.4 常用视觉目标跟踪算法 | 第24-31页 |
| 2.4.1 基于Mean-shift的视觉目标跟踪算法 | 第24-26页 |
| 2.4.2 基于卡尔曼滤波的视觉目标跟踪算法 | 第26-28页 |
| 2.4.3 基于粒子滤波的视觉目标跟踪算法 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于低秩矩阵表示的目标描述 | 第32-54页 |
| 3.1 引言 | 第32-33页 |
| 3.2 低秩矩阵表示理论 | 第33-37页 |
| 3.2.1 稀疏表示理论 | 第33-34页 |
| 3.2.2 低秩矩阵表示理论 | 第34-37页 |
| 3.3 多重低秩矩阵表示的目标描述 | 第37-44页 |
| 3.3.1 字典构建 | 第37-38页 |
| 3.3.2 基于全局低秩矩阵表示的目标粗描述 | 第38-40页 |
| 3.3.3 基于局部低秩矩阵表示的目标细描述 | 第40-42页 |
| 3.3.4 多重低秩矩阵表示目标描述方法 | 第42-44页 |
| 3.4 实验结果与分析 | 第44-52页 |
| 3.4.1 实验方法 | 第44-45页 |
| 3.4.2 算法性能评判准则 | 第45-46页 |
| 3.4.3 定量比较结果及分析 | 第46-47页 |
| 3.4.4 定性比较结果及分析 | 第47-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于多重低秩矩阵表示的视觉目标跟踪 | 第54-73页 |
| 4.1 引言 | 第54-55页 |
| 4.2 候选目标搜索 | 第55-56页 |
| 4.3 目标状态估计 | 第56-59页 |
| 4.3.1 粒子全局权重计算 | 第56-57页 |
| 4.3.2 粒子局部权重计算 | 第57-58页 |
| 4.3.3 预测状态输出 | 第58-59页 |
| 4.4 模型参数更新 | 第59-62页 |
| 4.4.1 全局字典更新策略 | 第59-61页 |
| 4.4.2 局部字典更新策略 | 第61-62页 |
| 4.5 算法具体框架 | 第62-63页 |
| 4.6 实验结果与分析 | 第63-71页 |
| 4.6.1 实验数据和参数设置 | 第63页 |
| 4.6.2 改进有效性验证 | 第63-64页 |
| 4.6.3 特定场景下鲁棒性测试 | 第64-70页 |
| 4.6.4 算法鲁棒性综合评价 | 第70-71页 |
| 4.7 本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 今后展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的成果 | 第81-82页 |