| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 目标跟踪难点 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 目标跟踪常用算法概述 | 第17-27页 |
| 2.1 卡尔曼滤波算法 | 第17-18页 |
| 2.2 粒子滤波算法 | 第18-21页 |
| 2.3 在线 Boosting 算法理论 | 第21-24页 |
| 2.3.1 Boosting 算法 | 第21-22页 |
| 2.3.2 在线 Boosting 算法 | 第22-23页 |
| 2.3.3 在线 Boosting 目标跟踪算法 | 第23-24页 |
| 2.4 Tracking by Detection 跟踪算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 运动目标的检测 | 第27-41页 |
| 3.1 经典的运动目标检测算法 | 第27-31页 |
| 3.1.1 帧间差分法 | 第27-28页 |
| 3.1.2 光流法 | 第28-29页 |
| 3.1.3 背景差除法 | 第29-31页 |
| 3.2 图像显著性检测 | 第31-36页 |
| 3.3 运动目标提取 | 第36-39页 |
| 3.4 算法流程 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于图像显著性检测的目标跟踪算法 | 第41-51页 |
| 4.1 压缩感知理论概述 | 第41-43页 |
| 4.1.1 信号的观测矩阵 | 第42页 |
| 4.1.2 信号的重构算法 | 第42-43页 |
| 4.2 基于压缩感知的目标跟踪算法 | 第43-47页 |
| 4.2.1 算法描述 | 第44-45页 |
| 4.2.2 构建和更新分类器 | 第45-46页 |
| 4.2.3 压缩跟踪算法 | 第46-47页 |
| 4.3 改进算法 | 第47-48页 |
| 4.4 实验结果 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |