基于稀疏表示的在线视觉目标跟踪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 目标跟踪系统 | 第16-17页 |
| 1.2.2 生成式目标跟踪 | 第17-18页 |
| 1.2.3 判别式目标跟踪 | 第18-19页 |
| 1.2.4 稀疏表示目标跟踪 | 第19-20页 |
| 1.3 目标跟踪面临的问题 | 第20-21页 |
| 1.4 本文内容与章节安排 | 第21-23页 |
| 第二章 目标跟踪理论基础与评估指标 | 第23-31页 |
| 2.1 目标跟踪理论基础 | 第23-29页 |
| 2.1.1 粒子滤波理论 | 第23-24页 |
| 2.1.2 仿射变换模型 | 第24-25页 |
| 2.1.3 模板更新机制 | 第25页 |
| 2.1.4 稀疏表示理论 | 第25-26页 |
| 2.1.5 增量主成分分析理论 | 第26-27页 |
| 2.1.6 低秩矩阵恢复理论 | 第27-29页 |
| 2.2 跟踪效果评估指标 | 第29-30页 |
| 2.2.1 图像序列测试集 | 第29页 |
| 2.2.2 定性评估 | 第29页 |
| 2.2.3 定量评估 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 L1-L2范数联合约束的鲁棒目标跟踪 | 第31-47页 |
| 3.1 基于稀疏表示的目标跟踪 | 第31-32页 |
| 3.2 基于增量主成分分析的目标跟踪 | 第32-33页 |
| 3.3 基于稀疏原型的目标跟踪 | 第33-34页 |
| 3.4 L1-L2范数联合约束的目标跟踪算法 | 第34-37页 |
| 3.4.1 目标表示模型 | 第35页 |
| 3.4.2 迭代求解算法 | 第35-36页 |
| 3.4.3 L1-L2范数联合约束的目标跟踪框架 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-46页 |
| 3.5.1 定性分析 | 第37-42页 |
| 3.5.2 定量分析 | 第42-45页 |
| 3.5.3 计算复杂度分析 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 在线低秩稀疏表示的鲁棒视觉跟踪 | 第47-63页 |
| 4.1 基于低秩表示的目标跟踪 | 第47-48页 |
| 4.2 在线低秩稀疏表示的视觉跟踪算法 | 第48-52页 |
| 4.2.1 目标表示模型 | 第49-50页 |
| 4.2.2 迭代求解算法 | 第50-51页 |
| 4.2.3 在线低秩稀疏表示的目标跟踪框架 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-61页 |
| 4.3.1 定性分析 | 第52-57页 |
| 4.3.2 定量分析 | 第57-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 未来研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
