基于在线单目标视觉跟踪框架的观测模型建模算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-52页 |
| 1.1 背景及意义 | 第12-14页 |
| 1.1.1 现代国防 | 第12-13页 |
| 1.1.2 医疗诊断 | 第13页 |
| 1.1.3 人机交互 | 第13页 |
| 1.1.4 智能交通控制 | 第13页 |
| 1.1.5 智能视觉导航 | 第13-14页 |
| 1.1.6 虚拟现实与三维重建 | 第14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 国内外研究机构 | 第14-16页 |
| 1.2.2 国内外权威会议和学术期刊 | 第16-17页 |
| 1.2.3 国内外研究进展 | 第17-18页 |
| 1.2.4 发展机遇和展望 | 第18-19页 |
| 1.3 视觉目标跟踪理论及其挑战 | 第19-27页 |
| 1.3.1 视觉目标跟踪系统的组成 | 第20-21页 |
| 1.3.2 视觉目标跟踪算法框架 | 第21-22页 |
| 1.3.3 视觉目标跟踪问题描述 | 第22-23页 |
| 1.3.4 仿射参数采样 | 第23-24页 |
| 1.3.5 视觉目标跟踪的建模挑战 | 第24-27页 |
| 1.4 目标外观的视觉表征 | 第27-33页 |
| 1.4.1 目标外观的全局视觉表征及其特点 | 第28-30页 |
| 1.4.2 目标外观的局部视觉表征及其特点 | 第30-33页 |
| 1.5 观测模型的常见分类 | 第33-41页 |
| 1.5.1 生成式观测模型 | 第33-36页 |
| 1.5.2 基于判别准则的观测模型 | 第36-40页 |
| 1.5.3 生成式-判别式混合观测模型 | 第40-41页 |
| 1.6 几款经典跟踪算法介绍 | 第41-46页 |
| 1.6.1 基于均值漂移的视觉目标跟踪算法 | 第41-42页 |
| 1.6.2 基于特征子空间的视觉目标跟踪算法 | 第42-43页 |
| 1.6.3 基于稀疏表示的视觉目标跟踪算法 | 第43-45页 |
| 1.6.4 基于判别学习的视觉目标跟踪算法 | 第45-46页 |
| 1.7 视觉目标跟踪算法的评估 | 第46-49页 |
| 1.8 测试视频数据库介绍 | 第49-50页 |
| 1.9 本文研究内容与组织结构 | 第50-52页 |
| 2 基于多任务最小软阈值回归模型的视觉目标跟踪 | 第52-63页 |
| 2.1 引言 | 第52页 |
| 2.2 相关研究背景 | 第52-53页 |
| 2.3 多任务最小软阈值回归跟踪算法 | 第53-56页 |
| 2.3.1 多任务软阈值回归观测模型 | 第53-55页 |
| 2.3.2 观测模型参数的优化 | 第55-56页 |
| 2.3.3 观测模型计算复杂度分析 | 第56页 |
| 2.4 跟踪目标似然度估计及特征学习 | 第56-58页 |
| 2.4.1 目标的最大似然估计 | 第57页 |
| 2.4.2 模板学习与更新 | 第57-58页 |
| 2.5 实验与分析 | 第58-62页 |
| 2.5.1 实验结果定量比较 | 第58-60页 |
| 2.5.2 实验结果定性比较 | 第60-62页 |
| 2.6 本章小结 | 第62-63页 |
| 3 基于在线复合模板外观表征的视觉目标跟踪 | 第63-75页 |
| 3.1 引言 | 第63页 |
| 3.2 相关研究背景及本章算法提出动机 | 第63-64页 |
| 3.3 基于在线复合模板的多任务观测模型 | 第64-68页 |
| 3.3.1 基于在线复合模板的多任务回归观测模型 | 第65-66页 |
| 3.3.2 观测模型参数的优化 | 第66-68页 |
| 3.3.3 观测模型计算复杂度和收敛性分析 | 第68页 |
| 3.4 跟踪算法特征模板的构架 | 第68-70页 |
| 3.4.1 模板正特征学习 | 第68-69页 |
| 3.4.2 实时扩充负特征 | 第69-70页 |
| 3.5 目标最大似然度估计 | 第70-71页 |
| 3.6 实验与分析 | 第71-74页 |
| 3.6.1 实验结果定量比较 | 第71-72页 |
| 3.6.2 实验结果定性比较 | 第72-74页 |
| 3.7 本章小结 | 第74-75页 |
| 4 基于矩阵低秩表示模型的视觉目标跟踪 | 第75-85页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关研究背景 | 第76-78页 |
| 4.2.1 目标特征提取与模板学习 | 第76-77页 |
| 4.2.2 严重干扰下的跟踪挑战性 | 第77-78页 |
| 4.3 基于矩阵低秩回归的观测模型 | 第78-80页 |
| 4.3.1 观测模型参数的优化 | 第79-80页 |
| 4.3.2 计算复杂度分析 | 第80页 |
| 4.4 目标观测似然度测度 | 第80-81页 |
| 4.4.1 目标模板学习与更新 | 第81页 |
| 4.5 实验与分析 | 第81-84页 |
| 4.5.1 算法实验结果定量比较 | 第81-83页 |
| 4.5.2 实验结果定性比较 | 第83-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于张量核范数回归模型的视觉目标跟踪 | 第85-97页 |
| 5.1 引言 | 第85页 |
| 5.2 相关研究背景 | 第85-88页 |
| 5.2.1 张量基本运算及其SVD分解 | 第86-88页 |
| 5.3 基于张量核范数回归模型的目标跟踪 | 第88-92页 |
| 5.3.1 严重遮挡及激烈光照影响下的误差估计 | 第88-89页 |
| 5.3.2 张量核范数观测模型 | 第89页 |
| 5.3.3 回归模型参数的优化 | 第89-91页 |
| 5.3.4 计算复杂度分析 | 第91-92页 |
| 5.4 观测似然度测度估计 | 第92页 |
| 5.5 目标模板学习与增量更新 | 第92页 |
| 5.6 实验与分析 | 第92-96页 |
| 5.6.1 实验结果定量比较 | 第92-94页 |
| 5.6.2 实验结果定性比较 | 第94-96页 |
| 5.7 本章小结 | 第96-97页 |
| 6 本文跟踪算法总体分析与比较 | 第97-110页 |
| 6.1 实验结果定量比较 | 第97-100页 |
| 6.2 实验结果定性比较 | 第100-107页 |
| 6.3 各参数对观测建模的影响分析 | 第107-108页 |
| 6.4 本章小结 | 第108-110页 |
| 7 总结与展望 | 第110-113页 |
| 7.1 本文工作总结 | 第110-111页 |
| 7.2 将来研究工作展望 | 第111-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-130页 |
| 附录A 本文跟踪算法实验用的测试视频数据库介绍 | 第130-132页 |
| 附录B 本论文中出现的部分专业名词中英文对照 | 第132-134页 |
| 作者攻读博士学位期间发表学术论文情况 | 第134页 |
