| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 目标追踪算法研究现状 | 第12-15页 |
| 1.2.1 基于先验知识的目标追踪算法 | 第13-14页 |
| 1.2.2 基于自适应子空间表示法的目标追踪算法 | 第14页 |
| 1.2.3 基于压缩感知的目标追踪算法 | 第14-15页 |
| 1.3 本文主要内容安排 | 第15-17页 |
| 2 压缩感知理论研究 | 第17-35页 |
| 2.1 稀疏信号与压缩感知 | 第17-18页 |
| 2.2 压缩感知数学模型及实现框架 | 第18-23页 |
| 2.2.1 时域采样 | 第19-20页 |
| 2.2.2 频域采样 | 第20页 |
| 2.2.3 实验一 视觉图像的时域采样、小波域重建 | 第20-22页 |
| 2.2.4 实验二 视觉图像的小波域采样、小波域重建 | 第22-23页 |
| 2.3 采样字典 | 第23-25页 |
| 2.3.1 不相干采样 | 第23-25页 |
| 2.3.2 可变密度采样策略 | 第25页 |
| 2.4 稀疏表示 | 第25-26页 |
| 2.5 重构算法 | 第26-30页 |
| 2.5.1 凸优化算法 | 第26-27页 |
| 2.5.2 贪婪算法 | 第27-29页 |
| 2.5.3 总变差方法 | 第29-30页 |
| 2.6 仿真实验：BP、LASSO、OMP、St-OMP重建算法的性能比较 | 第30-34页 |
| 2.6.1 性能评价标准 | 第30-31页 |
| 2.6.2 各种算法在重建准确度上的对比 | 第31-33页 |
| 2.6.3 各种算法在重建耗时上的对比 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 基于压缩感知的实时目标追踪算法 | 第35-59页 |
| 3.1 观测模型 | 第35-39页 |
| 3.1.1 特征选择 | 第35-37页 |
| 3.1.2 子空间稀疏表示法 | 第37-39页 |
| 3.2 运动模型 | 第39-42页 |
| 3.2.1 粒子滤波 | 第39-41页 |
| 3.2.2 采样策略 | 第41-42页 |
| 3.3 目标追踪实现框架 | 第42-45页 |
| 3.3.1 相似度估计 | 第44页 |
| 3.3.2 模板更新策略 | 第44-45页 |
| 3.4 仿真实验 | 第45-53页 |
| 3.4.1 追踪准确度评价标准 | 第46-47页 |
| 3.4.2 仿真实验所用视频序列 | 第47-49页 |
| 3.4.3 实验一 严重遮挡、目标形变情况下的追踪准确度对比 | 第49-50页 |
| 3.4.4 实验二 光照改变、尺度改变情况下的追踪准确度对比 | 第50-52页 |
| 3.4.5 实验三 目标迅速运动情况下的追踪准确度对比 | 第52-53页 |
| 3.5 L1 Tracker失效情况分析 | 第53-57页 |
| 3.5.1 严重遮挡、形变等情况 | 第53-55页 |
| 3.5.2 相似物干扰的情况 | 第55-56页 |
| 3.5.3 光照剧烈变化的情况 | 第56-57页 |
| 3.6 本章小结 | 第57-59页 |
| 4 基于RPCA子空间稀疏表示法的实时目标追踪算法 | 第59-79页 |
| 4.1 鲁棒主成分分析法 | 第59-61页 |
| 4.2 模型简介 | 第61-63页 |
| 4.2.1 动态模型 | 第61-62页 |
| 4.2.2 观测模型 | 第62-63页 |
| 4.3 改进的模板更新策略 | 第63-67页 |
| 4.3.1 噪声因子 | 第63-64页 |
| 4.3.2 PCA本征基动态更新策略 | 第64-67页 |
| 4.4 改进的采样策略 | 第67页 |
| 4.5 实现框架 | 第67-69页 |
| 4.6 仿真实验 | 第69-77页 |
| 4.6.1 严重遮挡的情况 | 第69-71页 |
| 4.6.2 严重遮挡与目标形变双重噪声情况 | 第71-73页 |
| 4.6.3 光照剧烈变化的情况 | 第73-75页 |
| 4.6.4 目标快速运动的情况 | 第75-77页 |
| 4.7 本章小结 | 第77-79页 |
| 5 总结与展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 个人简历 | 第86-87页 |
| 发表的学术论文 | 第87页 |
