基于局部稀疏表示模板匹配跟踪算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 目标跟踪的主要难点 | 第14-15页 |
| 1.4 本文的主要研究内容 | 第15页 |
| 1.5 本文的章节安排 | 第15-17页 |
| 第二章 基于稀疏表示的理论 | 第17-23页 |
| 2.1 稀疏表示理论 | 第17-18页 |
| 2.2 稀疏表示算法 | 第18-22页 |
| 2.2.1 贪婪算法 | 第18-21页 |
| 2.2.2 凸松弛优化算法 | 第21-22页 |
| 2.3 不同算法的比较 | 第22-23页 |
| 第三章 基于稀疏表示模型的跟踪算法 | 第23-37页 |
| 3.1 PFSRA跟踪算法 | 第23-27页 |
| 3.1.1 粒子滤波算法 | 第23-24页 |
| 3.1.2 二维主成分分析特征子空间 | 第24-25页 |
| 3.1.3 稀疏表示 | 第25页 |
| 3.1.4 观测模型 | 第25-26页 |
| 3.1.5 基于在线学习的子空间更新 | 第26页 |
| 3.1.6 PFSRA跟踪算法实现过程 | 第26-27页 |
| 3.2 LSRTA跟踪算法 | 第27-31页 |
| 3.2.1 稀疏表示 | 第27-28页 |
| 3.2.2 分块投票图 | 第28-29页 |
| 3.2.3 全局投票图 | 第29-30页 |
| 3.2.4 模板更新策略 | 第30-31页 |
| 3.2.5 LSRTA跟踪算法的实现过程 | 第31页 |
| 3.3 两种算法的比较 | 第31-36页 |
| 3.3.1 仿真实验 | 第31-35页 |
| 3.3.2 数据分析 | 第35-36页 |
| 3.4 结论 | 第36-37页 |
| 第四章 LSRTMTA跟踪算法 | 第37-42页 |
| 4.1 模板匹配算法 | 第37-40页 |
| 4.1.1 surf算法 | 第37-38页 |
| 4.1.2 flann匹配算法 | 第38-39页 |
| 4.1.3 knn筛选算法 | 第39-40页 |
| 4.2 LSRTMTA跟踪算法实现过程 | 第40-42页 |
| 第五章 算法实验仿真与平台的设计 | 第42-55页 |
| 5.1 算法的实验仿真 | 第42-49页 |
| 5.1.1 仿真实验 | 第42-48页 |
| 5.1.2 数据分析 | 第48页 |
| 5.1.3 结论 | 第48-49页 |
| 5.2 算法的平台设计 | 第49-55页 |
| 5.2.1 平台的设计目标 | 第49页 |
| 5.2.2 视频的编解码 | 第49-50页 |
| 5.2.3 视频的传输 | 第50-51页 |
| 5.2.4 视频的读取和播放 | 第51-52页 |
| 5.2.5 平台的模块 | 第52-53页 |
| 5.2.6 平台的架构及运行效果 | 第53-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 6.1 全文总结和创新点 | 第55-56页 |
| 6.2 未来展望 | 第56-57页 |
| 攻读硕士期间的学术成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
