基于压缩感知的目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 目标跟踪存在的相关问题 | 第8-9页 |
| 1.3 目标跟踪的国内外研究现状 | 第9-14页 |
| 1.3.1 基于特征的目标跟踪 | 第10-13页 |
| 1.3.2 基于模型的目标跟踪 | 第13-14页 |
| 1.4 本文主要创新工作和章节安排 | 第14-16页 |
| 1.4.1 本文创新工作 | 第14页 |
| 1.4.2 本文章节安排 | 第14-16页 |
| 第二章 压缩感知理论相关知识 | 第16-20页 |
| 2.1 压缩感知原理知识 | 第16-17页 |
| 2.2 稀疏信号表达 | 第17-18页 |
| 2.3 随机测量矩阵的构造 | 第18页 |
| 2.4 信号重建理论 | 第18-19页 |
| 2.4.1 最小范数l0模型 | 第18-19页 |
| 2.4.2 匹配追踪算法 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 一种新的基于随机测量矩阵的压缩跟踪算法 | 第20-37页 |
| 3.1 引文 | 第20页 |
| 3.2 CT算法理论 | 第20-21页 |
| 3.3 测量矩阵稀疏度和维数选择的分析 | 第21-24页 |
| 3.3.1 Haar-Like特征向量维数 | 第21-22页 |
| 3.3.2 改进的随机测量矩阵 | 第22-24页 |
| 3.3.3 测量矩阵的维数 | 第24页 |
| 3.4 本章的算法 | 第24-28页 |
| 3.4.1 目标位置初预测 | 第25-26页 |
| 3.4.2 特征提取 | 第26-27页 |
| 3.4.3 改进的分类器 | 第27-28页 |
| 3.5 实验结果对比与分析 | 第28-36页 |
| 3.5.1 质量评估分析 | 第29-32页 |
| 3.5.2 视觉评估分析 | 第32-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于目标速度特征的快速压缩跟踪算法 | 第37-51页 |
| 4.1 引文 | 第37页 |
| 4.2 FCT算法理论 | 第37-38页 |
| 4.3 本章算法 | 第38-45页 |
| 4.3.1 速度特征 | 第39-40页 |
| 4.3.2 自适应搜索范围 | 第40页 |
| 4.3.3 构建粒子滤波框架 | 第40-42页 |
| 4.3.4 改进的分类器 | 第42-43页 |
| 4.3.5 算法步骤 | 第43-45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.4.1 质量评估分析 | 第45-47页 |
| 4.4.2 视觉评估分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 未来的工作展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 硕士期间参与的科研项目 | 第59-60页 |
| 致谢 | 第60-61页 |
