复杂场景下高效视频目标跟踪关键技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 目标跟踪概述 | 第12-15页 |
| 1.2.1 目标跟踪过程 | 第12-13页 |
| 1.2.2 面临的挑战 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-19页 |
| 1.3.1 特征提取 | 第15-16页 |
| 1.3.2 过程建模 | 第16-17页 |
| 1.3.3 运动评估 | 第17-18页 |
| 1.3.4 基于压缩感知的目标跟踪 | 第18-19页 |
| 1.4 论文研究内容 | 第19-21页 |
| 第二章 相关理论 | 第21-41页 |
| 2.1 特征提取方法 | 第21-28页 |
| 2.1.1 表观特征 | 第21-24页 |
| 2.1.2 外形特征 | 第24-25页 |
| 2.1.3 运动特征 | 第25-26页 |
| 2.1.4 关联特征 | 第26页 |
| 2.1.5 变换域特征 | 第26-28页 |
| 2.2 粒子滤波算法 | 第28-34页 |
| 2.2.1 蒙特卡洛思想 | 第28-29页 |
| 2.2.2 重要性采样 | 第29-31页 |
| 2.2.3 序列重要性采样 | 第31-32页 |
| 2.2.4 粒子退化及重采样 | 第32-34页 |
| 2.3 压缩感知理论 | 第34-40页 |
| 2.3.1 理论框架 | 第34-36页 |
| 2.3.2 稀疏表示 | 第36-38页 |
| 2.3.3 编码测量 | 第38页 |
| 2.3.4 解码重构 | 第38-40页 |
| 2.4 小结 | 第40-41页 |
| 第三章 基于前景色调直方图的目标跟踪方法 | 第41-55页 |
| 3.1 问题描述 | 第41-43页 |
| 3.2 高斯混合模型 | 第43-45页 |
| 3.2.1 模型的建立 | 第43-44页 |
| 3.2.2 前景像素的判别 | 第44页 |
| 3.2.3 模型的更新 | 第44-45页 |
| 3.3 前景色调直方图 | 第45-46页 |
| 3.3.1 分割前景区域 | 第45-46页 |
| 3.3.2 计算前景色调直方图 | 第46页 |
| 3.4 基于粒子滤波的跟踪流程 | 第46-47页 |
| 3.5 实验结果及分析 | 第47-52页 |
| 3.5.1 视觉评估 | 第48-51页 |
| 3.5.2 质量评估 | 第51-52页 |
| 3.6 小结 | 第52-55页 |
| 第四章 基于SIFT和色调直方图的联合跟踪方法 | 第55-73页 |
| 4.1 问题描述 | 第55-56页 |
| 4.2 SIFT特征 | 第56-60页 |
| 4.2.1 计算尺度空间的极值点 | 第57页 |
| 4.2.2 精确定位特征点 | 第57-59页 |
| 4.2.3 关键点方向分配 | 第59页 |
| 4.2.4 生成SIFT特征描述符 | 第59-60页 |
| 4.3 相关工作分析 | 第60-62页 |
| 4.4 SIFT和色调直方图的联合跟踪方法 | 第62-66页 |
| 4.4.1 目标模型的构建 | 第62-63页 |
| 4.4.2 运动评估方法 | 第63页 |
| 4.4.3 相似度的判别 | 第63-65页 |
| 4.4.4 目标模型的更新 | 第65-66页 |
| 4.5 基于粒子滤波的跟踪流程 | 第66-68页 |
| 4.6 实验结果及分析 | 第68-71页 |
| 4.6.1 背景干扰 | 第68-70页 |
| 4.6.2 局部遮挡 | 第70-71页 |
| 4.7 小结 | 第71-73页 |
| 第五章 基于压缩感知的粒子滤波跟踪方法 | 第73-95页 |
| 5.1 问题描述 | 第73-75页 |
| 5.2 压缩感知和目标跟踪相结合的思路 | 第75-77页 |
| 5.2.1 相关技术的现状 | 第75-76页 |
| 5.2.2 思路分析 | 第76-77页 |
| 5.3 基于压缩感知的粒子滤波跟踪模型 | 第77-83页 |
| 5.3.1 跟踪模型 | 第77-79页 |
| 5.3.2 三个值得讨论的问题 | 第79-83页 |
| 5.4 基于粒子滤波的压缩跟踪方法 | 第83-86页 |
| 5.4.1 压缩测量过程 | 第83-84页 |
| 5.4.2 粒子权重的计算 | 第84-85页 |
| 5.4.3 与已有压缩跟踪方法的区别 | 第85-86页 |
| 5.5 实验结果及分析 | 第86-93页 |
| 5.5.1 质量评估 | 第86-88页 |
| 5.5.2 视觉评估 | 第88-93页 |
| 5.6 小结 | 第93-95页 |
| 第六章 基于自适应测量矩阵的压缩跟踪方法 | 第95-115页 |
| 6.1 问题描述 | 第95-96页 |
| 6.2 快速压缩跟踪 | 第96-99页 |
| 6.3 自适应快速压缩跟踪 | 第99-103页 |
| 6.3.1 Haar-like特征向量的维数 | 第99-100页 |
| 6.3.2 自适应测量矩阵 | 第100-102页 |
| 6.3.3 测量向量的维数 | 第102页 |
| 6.3.4 与已有压缩跟踪方法的区别 | 第102-103页 |
| 6.4 实验结果及分析 | 第103-113页 |
| 6.4.1 质量评估 | 第104-107页 |
| 6.4.2 视觉评估 | 第107-113页 |
| 6.5 小结 | 第113-115页 |
| 第七章 总结 | 第115-119页 |
| 7.1 总结 | 第115-116页 |
| 7.2 进一步的工作 | 第116-119页 |
| 参考文献 | 第119-131页 |
| 攻读博士学位期间完成的科研成果 | 第131-133页 |
| 致谢 | 第133页 |
