基于稀疏表示的目标跟踪算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.2 目标跟踪理论国内外发展现状 | 第13-15页 |
| 1.3 稀疏表示理论的研究发展现状 | 第15-16页 |
| 1.4 本文的主要工作 | 第16页 |
| 1.5 本文的内容安排 | 第16-18页 |
| 第2章 视频目标跟踪理论 | 第18-27页 |
| 2.1 视频目标跟踪的基本原理 | 第18-19页 |
| 2.2 视频目标跟踪算法分类 | 第19-24页 |
| 2.2.1 基于点的跟踪 | 第19-21页 |
| 2.2.2 基于线的跟踪 | 第21-22页 |
| 2.2.3 基于面的跟踪 | 第22-24页 |
| 2.3 视频目标跟踪算法的性能评估 | 第24-25页 |
| 2.4 目标跟踪中的外观变化问题 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 稀疏表示理论及其模型求解 | 第27-36页 |
| 3.1 稀疏表示理论 | 第27-28页 |
| 3.2 稀疏表示算法 | 第28-35页 |
| 3.2.1 贪婪算法 | 第29-32页 |
| 3.2.2 凸松弛优化算法 | 第32-34页 |
| 3.2.3 不同算法性能比较 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于稀疏表示的目标跟踪算法 | 第36-50页 |
| 4.1 粒子滤波框架 | 第36-40页 |
| 4.1.1 贝叶斯理论 | 第36-38页 |
| 4.1.2 粒子滤波算法 | 第38-40页 |
| 4.2 基于稀疏表示的目标跟踪算法 | 第40-45页 |
| 4.2.1 基于稀疏表示的目标观测模型 | 第41-42页 |
| 4.2.2 基于在线学习的目标子空间更新 | 第42-43页 |
| 4.2.3 基于稀疏表示的目标跟踪算法 | 第43-45页 |
| 4.3 仿真实验结果及分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 总结与展望 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第59页 |
