基于压缩感知的目标跟踪研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·目标跟踪算法综述 | 第12-14页 |
| ·目标描述 | 第12-13页 |
| ·目标跟踪 | 第13-14页 |
| ·目标跟踪存在的相关问题 | 第14-15页 |
| ·论文的主要工作与安排 | 第15-17页 |
| 2 压缩感知理论概述 | 第17-27页 |
| ·压缩感知基本理论 | 第17-19页 |
| ·信号的稀疏表示 | 第19-21页 |
| ·测量矩阵 | 第21-22页 |
| ·测量矩阵的设计 | 第21页 |
| ·常用测量矩阵的设计方法 | 第21-22页 |
| ·数据重构 | 第22-24页 |
| ·数据重构理论 | 第22-23页 |
| ·数据重构算法 | 第23-24页 |
| ·基于压缩感知理论的相关应用 | 第24页 |
| ·基于压缩感知的目标跟踪 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 基于压缩感知的改进粒子滤波目标跟踪 | 第27-44页 |
| ·粒子滤波的基本原理 | 第27-31页 |
| ·状态空间模型 | 第27-28页 |
| ·最优贝叶斯估计 | 第28页 |
| ·粒子滤波器 | 第28-31页 |
| ·粒子滤波跟踪 | 第31-36页 |
| ·状态转移模型 | 第31-32页 |
| ·系统观测模型 | 第32-34页 |
| ·状态估计 | 第34页 |
| ·基于粒子滤波的跟踪算法步骤 | 第34-36页 |
| ·基于压缩感知的改进粒子滤波跟踪 | 第36-43页 |
| ·基于压缩感知的目标模型 | 第36-37页 |
| ·融合空间信息的直方图特征 | 第37页 |
| ·大权值粒子估计 | 第37-38页 |
| ·基于压缩感知的粒子滤波跟踪 | 第38页 |
| ·实验结果与分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于压缩感知的多特征加权目标跟踪 | 第44-57页 |
| ·在线学习算法 | 第44-46页 |
| ·在线学习简介 | 第44-45页 |
| ·常用在线学习算法 | 第45-46页 |
| ·Haar-like特征 | 第46-48页 |
| ·基于压缩感知的多特征加权跟踪算法 | 第48-52页 |
| ·基于压缩感知的特征提取 | 第49-50页 |
| ·基于贝叶斯分类器的目标检测 | 第50-52页 |
| ·基于特征加权的目标检测 | 第52页 |
| ·实验结果与分析 | 第52-56页 |
| ·小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·未来展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
