基于稀疏表示的目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 目标跟踪研究背景及意义 | 第9-10页 |
| 1.2 目标跟踪系统概述 | 第10-11页 |
| 1.3 研究现状 | 第11-15页 |
| 1.3.1 视频目标跟踪研究现状 | 第11-14页 |
| 1.3.2 基于稀疏表示目标跟踪算法研究现状 | 第14-15页 |
| 1.4 稀疏目标跟踪的困难和挑战 | 第15-17页 |
| 1.5 论文研究内容和结构安排 | 第17-18页 |
| 1.5.1 本文主要研究内容 | 第17页 |
| 1.5.2 本文结构安排 | 第17-18页 |
| 第2章 基于稀疏表示的目标跟踪相关基本理论 | 第18-26页 |
| 2.1 稀疏表示理论 | 第18-21页 |
| 2.1.1 稀疏表示的数学模型 | 第18-19页 |
| 2.1.2 优化求解算法 | 第19-21页 |
| 2.2 反向稀疏跟踪优化模型 | 第21页 |
| 2.3 粒子滤波及贝叶斯估计 | 第21-24页 |
| 2.3.1 粒子滤波 | 第21-23页 |
| 2.3.2 贝叶斯估计 | 第23-24页 |
| 2.4 跟踪效果评价指标 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于分段加权的反向稀疏跟踪算法 | 第26-36页 |
| 3.1 反向稀疏表示模型的目标跟踪问题 | 第26-28页 |
| 3.2 基于分段加权的反向稀疏跟踪算法 | 第28-31页 |
| 3.2.1 分段式加权算法的设计 | 第28-30页 |
| 3.2.2 模板更新 | 第30-31页 |
| 3.3 基于分段加权的反向稀疏跟踪算法流程 | 第31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 跟踪性能定性分析 | 第32-34页 |
| 3.4.2 跟踪性能定量分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于AdaBoost改进算法的目标跟踪 | 第36-48页 |
| 4.1 反向稀疏表示的目标跟踪模型 | 第36-37页 |
| 4.2 判别式目标跟踪的基本原理 | 第37-40页 |
| 4.2.1 AdaBoost分类器算法 | 第37-38页 |
| 4.2.2 改进的AdaBoost分类器算法 | 第38-40页 |
| 4.3 基于AdaBoost改进算法的目标跟踪 | 第40-42页 |
| 4.4 实验结果及分析 | 第42-47页 |
| 4.4.1 定性分析 | 第43-46页 |
| 4.4.2 定量分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 5.1 论文工作总结 | 第48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54页 |
