基于粒子滤波的自适应稀疏追踪
| 摘要 | 第5-6页 |
| ABSTRACT(英文摘要) | 第6页 |
| 第一章: 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外的研究现状 | 第9-11页 |
| 1.3 本文研究的主要内容 | 第11-13页 |
| 第二章: 粒子滤波与稀疏表达 | 第13-22页 |
| 2.1 粒子滤波 | 第13-19页 |
| 2.1.1 应用对象 | 第13页 |
| 2.1.2 递推贝叶斯估计 | 第13-15页 |
| 2.1.3 重要性采样与重采样 | 第15-17页 |
| 2.1.3.1 蒙特卡罗方法 | 第15页 |
| 2.1.3.2 重要性采样 | 第15-16页 |
| 2.1.3.3 重要性重采样 | 第16-17页 |
| 2.1.4 粒子滤波算法 | 第17-19页 |
| 2.1.4.1 序贯重要性采样算法 | 第17-18页 |
| 2.1.4.2 序贯重要性重采样算法 | 第18-19页 |
| 2.2 稀疏表达 | 第19-22页 |
| 2.2.1 背景知识 | 第19-20页 |
| 2.2.2 用l_2最小化重建 | 第20页 |
| 2.2.3 用l_1最小化重建 | 第20-22页 |
| 第三章: 经典的稀疏追踪方法 | 第22-28页 |
| 3.1 运动建模 | 第22-24页 |
| 3.1.1 状态转移模型 | 第23页 |
| 3.1.2 观测模型 | 第23-24页 |
| 3.2 l_1最小化追踪 | 第24-27页 |
| 3.2.1 追踪目标的稀疏表示 | 第24页 |
| 3.2.2 非负性约束 | 第24-25页 |
| 3.2.3 通过解l_1最小化问题得到稀疏解 | 第25-26页 |
| 3.2.4 模板更新 | 第26-27页 |
| 3.3 小结 | 第27-28页 |
| 第四章: 基于粒子滤波的自适应稀疏追踪 | 第28-39页 |
| 4.1 基于遮挡检测的L1追踪 | 第28-32页 |
| 4.1.1 最小误差界定 | 第28-29页 |
| 4.1.2 有界粒子重采样 | 第29-31页 |
| 4.1.3 遮挡检测 | 第31-32页 |
| 4.2 自适应的稀疏追踪 | 第32-37页 |
| 4.2.1 自适应加权模型 | 第33-34页 |
| 4.2.2 模型的求解 | 第34-37页 |
| 4.2.2.1 模型简化 | 第35页 |
| 4.2.2.2 APG算法 | 第35-36页 |
| 4.2.2.3 利用APG算法求解我们的模型 | 第36-37页 |
| 4.3 小结 | 第37-39页 |
| 第五章: 实验结果与分析 | 第39-50页 |
| 5.1 定性比较 | 第39-40页 |
| 5.2 定量比较 | 第40-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
