| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-15页 |
| 1.2.1 国内外研究现状 | 第13-15页 |
| 1.2.2 发展趋势 | 第15页 |
| 1.3 视频目标跟踪技术的难点与热点 | 第15-17页 |
| 1.4 本文主要工作与组织结构 | 第17-19页 |
| 1.4.1 本文主要工作与创新点 | 第17页 |
| 1.4.2 论文组织结构 | 第17-19页 |
| 第2章 相关基础理论 | 第19-26页 |
| 2.1 基于贝叶斯框架的跟踪问题 | 第19-21页 |
| 2.2 稀疏表示方法 | 第21-24页 |
| 2.2.1 稀疏表示理论 | 第21-22页 |
| 2.2.2 结构化稀疏表示 | 第22-23页 |
| 2.2.3 稀疏表示理论的应用 | 第23-24页 |
| 2.3 增量式主成分分析方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 视频目标跟踪算法研究 | 第26-33页 |
| 3.1 目标的外观表示模型 | 第26-28页 |
| 3.1.1 目标表示 | 第26-27页 |
| 3.1.2 特征提取 | 第27-28页 |
| 3.2 目标匹配搜索算法 | 第28-31页 |
| 3.2.1 基于目标表示和相似性度量的目标匹配算法 | 第28-30页 |
| 3.2.2 基于增量式子空间学习的目标搜索算法 | 第30-31页 |
| 3.3 基于稀疏表示的目标跟踪算法 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于结构化稀疏表示的鲁棒视频目标跟踪方法 | 第33-50页 |
| 4.1 基于结构化稀疏表示的特征选取 | 第33-35页 |
| 4.1.1 分块特征提取 | 第33-34页 |
| 4.1.2 遮挡处理 | 第34-35页 |
| 4.1.3 池化操作 | 第35页 |
| 4.2 基于稀疏表示的判别分类器 | 第35-37页 |
| 4.2.1 模板集的构造 | 第35-36页 |
| 4.2.2 特征的选择 | 第36页 |
| 4.2.3 置信度测量 | 第36-37页 |
| 4.3 外观模型 | 第37页 |
| 4.4 粒子滤波跟踪框架 | 第37-38页 |
| 4.5 自适应模板跟新 | 第38-40页 |
| 4.6 实验结果与分析 | 第40-49页 |
| 4.6.1 定性评价 | 第40-47页 |
| 4.6.2 定量评价 | 第47-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 基于稀疏表示的协同视频目标跟踪方法 | 第50-64页 |
| 5.1 基于稀疏表示的整体表示方法 | 第50-52页 |
| 5.1.1 整体表示模型构造 | 第50-51页 |
| 5.1.2 掩膜算子分离操作 | 第51页 |
| 5.1.3 整体跟新机制 | 第51-52页 |
| 5.2 基于稀疏表示的生成方法 | 第52-54页 |
| 5.2.1 局部直方图的生成方法 | 第52-53页 |
| 5.2.2 遮挡处理 | 第53-54页 |
| 5.2.3 相似性函数 | 第54页 |
| 5.2.4 局部跟新机制 | 第54页 |
| 5.3 协同视频目标跟踪模型 | 第54-55页 |
| 5.4 实验结果与分析 | 第55-63页 |
| 5.4.1 定性分析 | 第56-62页 |
| 5.4.2 定量分析 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第72-73页 |
| 附录B 攻读硕士学位期间所参与的科研项目 | 第73页 |