基于结构化局部字典学习的视频追踪
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 本文贡献 | 第9页 |
| 1.4 本文的主要内容及章节安排 | 第9-11页 |
| 2 视频追踪中的粒子滤波框架 | 第11-14页 |
| 2.1 动态模型 | 第12页 |
| 2.2 观测模型 | 第12-14页 |
| 3 代表性的视频追踪算法 | 第14-22页 |
| 3.1 基于增量式PCA的视频追踪 | 第14-17页 |
| 3.1.1 主成分分析 | 第14页 |
| 3.1.2 基于增量式PCA的视频追踪 | 第14-17页 |
| 3.2 基于l_1最小化的视频追踪 | 第17-20页 |
| 3.2.1 目标物体的稀疏表示 | 第17-19页 |
| 3.2.2 l_2最小化实现观测模型 | 第19-20页 |
| 3.3 基于稀疏原型的视频追踪 | 第20-22页 |
| 4 基于结构化局部字典学习的视频追踪 | 第22-39页 |
| 4.1 鲁棒主成分分析 | 第22-24页 |
| 4.2 在线低秩特征学习 | 第24-27页 |
| 4.3 结构化字典的构建 | 第27-30页 |
| 4.4 基于结构化局部字典学习的视频追踪 | 第30-32页 |
| 4.4.1 观测模型 | 第30-32页 |
| 4.4.2 具体的追踪过程 | 第32页 |
| 4.5 实验结果 | 第32-39页 |
| 4.5.1 定性评价 | 第33-37页 |
| 4.5.2 定量评价 | 第37-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-46页 |
| 致谢 | 第46-47页 |
