| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要工作与组织安排 | 第13-15页 |
| 1.3.1 论文的主要工作 | 第13-14页 |
| 1.3.2 本文的主要内容和章节安排 | 第14-15页 |
| 第二章 目标跟踪算法概述 | 第15-24页 |
| 2.1 目标表达设计 | 第15-19页 |
| 2.2 目标搜索机制 | 第19页 |
| 2.3 目标模型更新策略 | 第19-20页 |
| 2.4 经典目标跟踪算法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于前景概率模型和加权增量子空间的目标表达 | 第24-44页 |
| 3.1 前景概率模型 | 第24-29页 |
| 3.1.1 软分割Soft Segmentation | 第25-26页 |
| 3.1.2 高斯混合模型Gaussian Mixture Model | 第26-27页 |
| 3.1.3 分割前景目标图像 | 第27-29页 |
| 3.2 加权增量子空间模型 | 第29-34页 |
| 3.2.1 主成分分析PCA | 第29-31页 |
| 3.2.2 加权增量子空间 | 第31-34页 |
| 3.3 实验与分析 | 第34-42页 |
| 3.3.1 实验结果分析 | 第36-41页 |
| 3.3.2 实验结论 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于稀疏表达和加权增量子空间的目标跟踪算法 | 第44-65页 |
| 4.1 粒子滤波Particle Filter | 第44-48页 |
| 4.2 稀疏表达Sparse Representation | 第48-49页 |
| 4.3 基于稀疏表达和加权增量子空间的目标跟踪算法 | 第49-54页 |
| 4.4 实验与分析 | 第54-64页 |
| 4.4.1 实验对象和评价方法 | 第54-55页 |
| 4.4.2 实验结果分析 | 第55-64页 |
| 4.4.3 实验结论 | 第64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 致谢 | 第74-76页 |
| 附件 | 第76页 |
