| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 视频目标跟踪算法发展概况 | 第11-13页 |
| 1.2.1 目标跟踪算法研究现状 | 第11-13页 |
| 1.2.2 基于稀疏表示的视频目标跟踪 | 第13页 |
| 1.3 课题的研究内容及结构安排 | 第13-16页 |
| 第二章 视频目标跟踪概述 | 第16-22页 |
| 2.1 概述 | 第16页 |
| 2.2 视频图像预处理 | 第16-19页 |
| 2.2.1 图像平滑滤波 | 第16-17页 |
| 2.2.2 灰度化和二值化 | 第17-19页 |
| 2.2.2.1 颜色空间 | 第17-18页 |
| 2.2.2.2 RGB 图像与灰度图像的转换 | 第18-19页 |
| 2.3 特征提取 | 第19-20页 |
| 2.4 视频目标跟踪算法 | 第20-21页 |
| 2.5 本章总结 | 第21-22页 |
| 第三章 粒子滤波算法在视频目标跟踪中的应用 | 第22-40页 |
| 3.1 贝叶斯概率框架 | 第22-24页 |
| 3.2 蒙特卡罗积分 | 第24-25页 |
| 3.3 粒子滤波算法 | 第25-32页 |
| 3.3.1 序贯重要性采样 | 第27-29页 |
| 3.3.2 重采样 | 第29-30页 |
| 3.3.3 粒子滤波算法流程 | 第30-32页 |
| 3.4 粒子滤波算法在视频目标跟踪中的应用 | 第32-37页 |
| 3.4.1 建立目标运动模型 | 第32-34页 |
| 3.4.1.1 运动模型 | 第32-34页 |
| 3.4.1.2 量测模型 | 第34页 |
| 3.4.2 基于颜色特征的粒子滤波视频目标跟踪算法 | 第34-37页 |
| 3.4.2.1 状态转移模型 | 第34-35页 |
| 3.4.2.2 系统量测 | 第35页 |
| 3.4.2.3 目标位置的确定 | 第35-36页 |
| 3.4.2.4 算法流程 | 第36-37页 |
| 3.5 粒子滤波算法在视频目标跟踪实验结果 | 第37-39页 |
| 3.6 本章总结 | 第39-40页 |
| 第四章 基于稀疏表示的目标跟踪 | 第40-50页 |
| 4.1 稀疏表示理论 | 第40-42页 |
| 4.1.1 稀疏理论 | 第40页 |
| 4.1.2 稀疏表示 | 第40-41页 |
| 4.1.3 稀疏表示的优化算法 | 第41-42页 |
| 4.2 视频跟踪中粒子滤波算法框架 | 第42-44页 |
| 4.2.1 目标模型的建立 | 第42-43页 |
| 4.2.2 计算粒子权值 | 第43页 |
| 4.2.3 粒子重采样 | 第43-44页 |
| 4.2.4 目标定位 | 第44页 |
| 4.3 基于稀疏表示的跟踪算法 | 第44-46页 |
| 4.3.1 基于稀疏表示的 L1-跟踪算法 | 第44-45页 |
| 4.3.2 APG 方法改进的 L1-跟踪算法 | 第45-46页 |
| 4.4 L1-跟踪算法的实验效果 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于Haar-like分块思想的实时L1-跟踪算法 | 第50-64页 |
| 5.1 概述 | 第50页 |
| 5.2 过完备基的构造 | 第50-52页 |
| 5.2.1 Haar-like 分块思想构造方法 | 第50-51页 |
| 5.2.2 Haar-like 过完备基的构造 | 第51-52页 |
| 5.3 融入 Haar-like 过完备基的 APG-L1 跟踪 | 第52-53页 |
| 5.4 合理的模板更新策略 | 第53页 |
| 5.5 实验结果对比与分析 | 第53-63页 |
| 5.5.1 跟踪实时性 | 第53-55页 |
| 5.5.2 跟踪精确度与质量 | 第55-63页 |
| 5.5.2.1 plane 图像序列中各算法跟踪效果对比及分析 | 第55-59页 |
| 5.5.2.2 其他各图像序列中各算法跟踪效果对比及分析 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70-72页 |
| 致谢 | 第72页 |
