基于稀疏编码和计数的鲁棒视频追踪
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关工作 | 第9-10页 |
| 1.3 本文贡献 | 第10页 |
| 1.4 本文的主要内容及章节安排 | 第10-12页 |
| 2 代表性的视频追踪算法 | 第12-20页 |
| 2.1 粒子滤波 | 第12-13页 |
| 2.1.1 运动模型 | 第12-13页 |
| 2.1.2 观测模型 | 第13页 |
| 2.2 基于增量的视频追踪(IVT) | 第13-15页 |
| 2.3 基于稀疏原型的视频追踪 | 第15-20页 |
| 2.3.1 L_1追踪算法 | 第15-17页 |
| 2.3.2 SP追踪算法 | 第17-18页 |
| 2.3.3 L_0正则化追踪算法 | 第18-20页 |
| 3 基于稀疏编码和计数的视觉追踪 | 第20-36页 |
| 3.1 基于粒子滤波的视觉跟踪 | 第20-23页 |
| 3.2 基于贝叶斯框架的目标表示 | 第23-26页 |
| 3.3 快速数值算法理论 | 第26-28页 |
| 3.3.1 APG算法求解公式(3.7) | 第26-27页 |
| 3.3.2 结合L_1和L_0正则化闭解 | 第27-28页 |
| 3.3.3 组合模型(3.25)的分析 | 第28页 |
| 3.4 视觉跟踪中的正交字典学习 | 第28-30页 |
| 3.4.1 字典初始化 | 第28-29页 |
| 3.4.2 正交字典更新 | 第29页 |
| 3.4.3 重新初始化字典 | 第29-30页 |
| 3.5 实验结果 | 第30-36页 |
| 3.5.1 定性评价 | 第30-33页 |
| 3.5.2 定量评价 | 第33-36页 |
| 结论 | 第36-38页 |
| 参考文献 | 第38-40页 |
| 攻读硕士学位期间发表学术论文情况 | 第40-42页 |
| 致谢 | 第42-44页 |
