| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 图像视觉表达 | 第11-13页 |
| 1.2.2 统计建模 | 第13-15页 |
| 1.3 存在问题及分析 | 第15-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 相关理论及方法 | 第18-31页 |
| 2.1 粒子滤波 | 第18-22页 |
| 2.1.1 贝叶斯滤波 | 第18-19页 |
| 2.1.2 粒子滤波 | 第19-22页 |
| 2.2 稀疏表示 | 第22-25页 |
| 2.3 局部坐标编码 | 第25-26页 |
| 2.4 FISHER向量 | 第26-30页 |
| 2.4.1 Fisher向量基本模型 | 第27-29页 |
| 2.4.2 Fisher向量标准化 | 第29页 |
| 2.4.3 Fisher向量算法描述 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于FISHER向量的视觉目标跟踪 | 第31-46页 |
| 3.1 引言 | 第31-32页 |
| 3.2 表观建模 | 第32-34页 |
| 3.2.1 全局表观建模 | 第33-34页 |
| 3.2.2 局部表观建模 | 第34页 |
| 3.3 分类器学习 | 第34-36页 |
| 3.4 更新 | 第36页 |
| 3.5 实验结果 | 第36-45页 |
| 3.5.1 实验设置 | 第37-38页 |
| 3.5.2 总体性能分析 | 第38页 |
| 3.5.3 基于属性的性能分析 | 第38-40页 |
| 3.5.4 定性分析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于结构化局部稀疏描述子的BOOSTING视觉目标跟踪 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 跟踪算法 | 第46-50页 |
| 4.2.1 局部稀疏描述子 | 第46-47页 |
| 4.2.2 分类器学习 | 第47-49页 |
| 4.2.3 权重计算 | 第49-50页 |
| 4.2.4 似然模型 | 第50页 |
| 4.3 更新 | 第50-52页 |
| 4.3.1 模板更新 | 第50-51页 |
| 4.3.2 分类器更新 | 第51-52页 |
| 4.4 算法流程 | 第52-53页 |
| 4.5 实验结果 | 第53-62页 |
| 4.5.1 实验设置 | 第53-54页 |
| 4.5.2 总体性能分析 | 第54-55页 |
| 4.5.3 基于属性的性能分析 | 第55-57页 |
| 4.5.4 定性分析 | 第57-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 运动模糊下的视觉目标跟踪 | 第63-83页 |
| 5.1 引言 | 第63-64页 |
| 5.2 运动模糊下的视觉跟踪模型 | 第64-67页 |
| 5.2.1 模型引入 | 第64-66页 |
| 5.2.2 模型优化 | 第66-67页 |
| 5.3 似然模型 | 第67-70页 |
| 5.3.1 分析 | 第67-68页 |
| 5.3.2 似然模型的提出 | 第68-70页 |
| 5.4 模板更新 | 第70-71页 |
| 5.5 实验结果 | 第71-82页 |
| 5.5.1 总体性能分析 | 第72-73页 |
| 5.5.2 定性分析 | 第73-78页 |
| 5.5.3 定量分析 | 第78-82页 |
| 5.6 本章小结 | 第82-83页 |
| 结论 | 第83-86页 |
| 参考文献 | 第86-92页 |
| 攻读学位期间发表论文与研究成果清单 | 第92-94页 |
| 致谢 | 第94页 |