基于压缩感知的图像在线学习跟踪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 论文主要研究内容和创新点 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 在线学习跟踪算法 | 第15-33页 |
| 2.1 引言 | 第15页 |
| 2.2 基于增量子空间的IVT算法 | 第15-17页 |
| 2.3 基于在线Boosting的目标跟踪算法 | 第17-18页 |
| 2.4 TLD在线跟踪算法 | 第18-26页 |
| 2.5 压缩感知跟踪算法 | 第26-32页 |
| 2.6 小结 | 第32-33页 |
| 3 基于压缩感知在线学习跟踪算法 | 第33-45页 |
| 3.1 引言 | 第33-34页 |
| 3.2 跟踪模块分析 | 第34-35页 |
| 3.3 实验对比及分析 | 第35-41页 |
| 3.4 跟踪模块算法实现 | 第41-44页 |
| 3.5 小结 | 第44-45页 |
| 4 CS-TLD算法优化设计 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 检测模块分析 | 第46-47页 |
| 4.3 卡尔曼滤波基本原理 | 第47-50页 |
| 4.4 实验对比及分析 | 第50-51页 |
| 4.5 检测模块算法实现 | 第51-55页 |
| 4.6 小结 | 第55-56页 |
| 5 软件平台实现和实验结果分析 | 第56-67页 |
| 5.1 算法软件 | 第56-57页 |
| 5.2 实验结果及分析 | 第57-64页 |
| 5.3 序列图仿真 | 第64-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 论文主要工作 | 第67页 |
| 6.2 需要进一步研究内容 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录1 攻读硕士学位期间论文发表情况 | 第75-76页 |
| 附录2 攻读硕士学位期间项目参与情况 | 第76页 |
