| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 目标跟踪的分类 | 第12-13页 |
| 1.2.2 目标跟踪算法概述 | 第13-15页 |
| 1.2.3 基于压缩感知的目标跟踪 | 第15-16页 |
| 1.3 课题来源和论文研究的主要内容 | 第16-18页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 论文研究的主要内容 | 第16-18页 |
| 第二章 压缩跟踪算法的相关理论 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 压缩感知理论 | 第18-22页 |
| 2.2.1 基于压缩感知的信号编解码 | 第18-19页 |
| 2.2.2 信号的稀疏表示 | 第19-21页 |
| 2.2.3 压缩感知编码测量 | 第21-22页 |
| 2.2.4 压缩感知解码重构 | 第22页 |
| 2.3 基于压缩感知的压缩跟踪算法 | 第22-26页 |
| 2.3.1 基于压缩感知的特征提取 | 第22-25页 |
| 2.3.2 朴素贝叶斯分类器的构建与更新 | 第25-26页 |
| 2.4 目标跟踪算法的性能评估标准 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 结合特征在线选择与协方差矩阵的压缩跟踪算法 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 特征在线选择 | 第28-29页 |
| 3.3 结合协方差矩阵 | 第29-31页 |
| 3.4 分类器参数的自适应更新 | 第31-32页 |
| 3.5 算法步骤 | 第32-34页 |
| 3.6 实验验证与结果分析 | 第34-37页 |
| 3.6.1 定量分析 | 第34-35页 |
| 3.6.2 定性分析 | 第35-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 基于粒子滤波与样本加权的压缩跟踪算法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 改进的尺度不变压缩特征 | 第38-40页 |
| 4.2.1 归一化矩形特征 | 第38-39页 |
| 4.2.2 平衡灰度与纹理特征 | 第39-40页 |
| 4.3 样本加权 | 第40-41页 |
| 4.4 粒子滤波动态状态估计 | 第41-43页 |
| 4.5 算法步骤 | 第43-45页 |
| 4.6 实验验证与结果分析 | 第45-48页 |
| 4.6.1 定量分析 | 第46-47页 |
| 4.6.2 定性分析 | 第47-48页 |
| 4.7 本章小结 | 第48-50页 |
| 第五章 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57页 |