| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 目标跟踪国内外研究现状 | 第11-13页 |
| 1.3 目标跟踪分类 | 第13-16页 |
| 1.3.1 生成模型法 | 第14-15页 |
| 1.3.2 判别模型法 | 第15-16页 |
| 1.3.3 混合模型法 | 第16页 |
| 1.4 目标跟踪主要技术挑战 | 第16-17页 |
| 1.5 论文主要研究内容和结构安排 | 第17-20页 |
| 1.5.1 论文主要内容 | 第17-18页 |
| 1.5.2 论文的结构安排 | 第18-20页 |
| 第二章 秩最小化模型和稀疏表示模型及其求解方法 | 第20-32页 |
| 2.1 鲁棒主成分分析及其求解方法 | 第20-22页 |
| 2.1.1 迭代阈值法 | 第21-22页 |
| 2.2 低秩表示及其求解方法 | 第22-25页 |
| 2.2.1 交替方向法 | 第23-24页 |
| 2.2.2 线性交替方向法 | 第24-25页 |
| 2.3 稀疏表示及其求解方法 | 第25-27页 |
| 2.3.1 凸松弛法 | 第26页 |
| 2.3.2 贪婪算法 | 第26-27页 |
| 2.4 四种经典的视觉跟踪方法以及视觉跟踪性能评价指标 | 第27-31页 |
| 2.4.1 TLD跟踪 | 第27-28页 |
| 2.4.2 CMT跟踪 | 第28页 |
| 2.4.3 L1跟踪 | 第28-29页 |
| 2.4.4 LRST跟踪 | 第29页 |
| 2.4.5 目标跟踪相关评价指标 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于低秩投影中稀疏误差矩阵分析的视觉跟踪 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于低秩投影中稀疏误差矩阵分析的视觉跟踪 | 第33-38页 |
| 3.2.1 鲁棒主成分分析 | 第33-34页 |
| 3.2.2 低秩映射矩阵 | 第34-35页 |
| 3.2.3 稀疏误差矩阵分析 | 第35-36页 |
| 3.2.4 模板更新 | 第36-37页 |
| 3.2.5 目标跟踪 | 第37页 |
| 3.2.6 跟踪方法 | 第37-38页 |
| 3.3 实验及结果分析 | 第38-44页 |
| 3.3.1 定性分析 | 第38-42页 |
| 3.3.2 定量分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于增量子空间学习和局部稀疏表示的视觉跟踪 | 第46-60页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于增量子空间学习和局部稀疏表示的视觉跟踪 | 第47-53页 |
| 4.2.1 增量子空间学习 | 第47-48页 |
| 4.2.2 局部稀疏表示 | 第48-49页 |
| 4.2.3 遮挡检测 | 第49-50页 |
| 4.2.4 相似性度量 | 第50-51页 |
| 4.2.5 模板更新 | 第51页 |
| 4.2.6 跟踪方法 | 第51-53页 |
| 4.3 实验及结果分析 | 第53-59页 |
| 4.3.1 定性比较 | 第53-57页 |
| 4.3.2 中心误差分析 | 第57-58页 |
| 4.3.3 重叠率分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67-68页 |
