| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-20页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·目标跟踪相关技术简介 | 第11-16页 |
| ·技术难点 | 第16-17页 |
| ·本文主要工作与结构 | 第17-20页 |
| ·本文主要工作与创新点 | 第17-18页 |
| ·论文结构 | 第18-20页 |
| 2 基于结构化局部稀疏表示外观模型的自适应跟踪方法 | 第20-42页 |
| ·稀疏表示方法介绍 | 第20-22页 |
| ·增量主成分分析方法介绍 | 第22-23页 |
| ·基于结构化局部稀疏表示外观模型的自适应跟踪方法 | 第23-32页 |
| ·跟踪框架 | 第24-25页 |
| ·基于结构化局部稀疏表示的外观模型 | 第25-30页 |
| ·模型更新 | 第30-32页 |
| ·实验结果 | 第32-39页 |
| ·定性评价 | 第34-39页 |
| ·定量评价 | 第39页 |
| ·本章小结 | 第39-42页 |
| 3 基于在线多核学习的子块目标跟踪 | 第42-57页 |
| ·多核学习方法介绍 | 第42-46页 |
| ·在线多核学习方法 | 第46-48页 |
| ·基于多核学习的子块目标跟踪 | 第48-52页 |
| ·基于多核学习方法的子块目标表示 | 第48-50页 |
| ·多特征融合和模型更新 | 第50-52页 |
| ·实验结果 | 第52-56页 |
| ·基于多核学习的子块跟踪方法的有效性 | 第52-53页 |
| ·与当前最好方法的比较 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |