| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 目标跟踪技术的研究现状 | 第9-10页 |
| 1.2.2 目标跟踪算法的研究现状 | 第10-11页 |
| 1.2.3 目标特征提取的研究现状 | 第11-13页 |
| 1.3 论文主要工作及章节安排 | 第13-15页 |
| 第二章 基于区域特征的目标跟踪算法研究 | 第15-33页 |
| 2.1 Mean Shift算法概述 | 第15-18页 |
| 2.1.1 Mean Shift基本原理 | 第15-18页 |
| 2.1.2 Mean Shift算法的迭代过程 | 第18页 |
| 2.2 Mean Shift跟踪算法 | 第18-23页 |
| 2.2.1 目标与候选目标模型的建立 | 第18-19页 |
| 2.2.2 相似性度量 | 第19页 |
| 2.2.3 目标定位 | 第19-20页 |
| 2.2.4 Mean Shift跟踪算法步骤 | 第20-21页 |
| 2.2.5 Mean Shift跟踪算法分析 | 第21-23页 |
| 2.3 压缩感知理论概述 | 第23-27页 |
| 2.3.1 信号的稀疏表示 | 第24-25页 |
| 2.3.2 测量矩阵的构造 | 第25-26页 |
| 2.3.3 信号的重构 | 第26-27页 |
| 2.4 压缩跟踪算法原理 | 第27-32页 |
| 2.4.1 随机测量矩阵 | 第28-29页 |
| 2.4.2 特征提取降维 | 第29页 |
| 2.4.3 构建和更新分类器 | 第29-30页 |
| 2.4.4 压缩跟踪算法的步骤 | 第30-31页 |
| 2.4.5 压缩跟踪算法分析 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于均值漂移的跟踪算法优化 | 第33-45页 |
| 3.1 相似背景干扰 | 第33-35页 |
| 3.2 模板更新策略 | 第35-36页 |
| 3.3 跟踪窗尺寸自适应 | 第36-38页 |
| 3.4 优化的Mean Shift算法步骤 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于压缩感知的压缩跟踪算法优化 | 第45-53页 |
| 4.1 样本特征加权 | 第45-46页 |
| 4.2 学习因子调整 | 第46-47页 |
| 4.3 优化的压缩跟踪算法的步骤 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-51页 |
| 4.5 Mean Shift算法与CT算法对比分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 论文工作总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及研究成果 | 第59-60页 |
| 致谢 | 第60页 |