| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 致谢 | 第9-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状分析 | 第15-19页 |
| 1.2.1 判别式跟踪方法简述 | 第16-17页 |
| 1.2.2 生成式跟踪方法简述 | 第17-19页 |
| 1.3 本文研究创新点及章节安排 | 第19-21页 |
| 1.3.1 本文的研究创新点 | 第19-20页 |
| 1.3.2 本文章节内容安排 | 第20-21页 |
| 第二章 相关理论 | 第21-25页 |
| 2.1 稀疏表示思想 | 第21-22页 |
| 2.2 粒子滤波理论 | 第22-25页 |
| 第三章 基于l_2范数最小化的实时目标跟踪算法 | 第25-42页 |
| 3.1 引言 | 第25-26页 |
| 3.2 相关工作 | 第26-27页 |
| 3.2.1 l_1跟踪算法 | 第26页 |
| 3.2.2 IVT算法 | 第26-27页 |
| 3.3 基于l_2范数最小化的目标外观表示 | 第27-28页 |
| 3.4 基于l_2范数最小化的实时跟踪算法 | 第28-31页 |
| 3.4.1 动模型 | 第29页 |
| 3.4.2 观测模型 | 第29-30页 |
| 3.4.3 更新策略 | 第30-31页 |
| 3.4.4 算法流程 | 第31页 |
| 3.5 实验分析 | 第31-41页 |
| 3.5.1 本章算法对比实验结果的定性评估 | 第32-37页 |
| 3.5.2 本章算法对比实验结果的定量评估 | 第37-40页 |
| 3.5.3 算法时效性分析 | 第40-41页 |
| 3.6 小结 | 第41-42页 |
| 第四章 生成式模型与判别式模型相结合的协同跟踪算法 | 第42-56页 |
| 4.1 引言 | 第42-43页 |
| 4.2 相关工作 | 第43页 |
| 4.3 算法实现 | 第43-47页 |
| 4.3.1 生成式跟踪模块 | 第43-45页 |
| 4.3.2 判别式跟踪模块 | 第45-46页 |
| 4.3.3 联合模型 | 第46-47页 |
| 4.3.4 更新策略 | 第47页 |
| 4.4 实验分析 | 第47-55页 |
| 4.4.1 本章算法对比实验结果的定性评估 | 第48-53页 |
| 4.4.2 本章算法对比实验结果的定量评估 | 第53-55页 |
| 4.5 小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文的工作总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-64页 |