摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第11-17页 |
1.1 研究的背景和意义 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 主流跟踪框架 | 第12-14页 |
1.2.2 红外行人跟踪 | 第14-15页 |
1.3 本论文主要工作和各章内容安排 | 第15-17页 |
第二章 相关技术调研 | 第17-27页 |
2.1 红外热成像技术 | 第17-19页 |
2.1.1 红外成像技术概述 | 第17页 |
2.1.2 红外热成像基本原理 | 第17页 |
2.1.3 热红外图像特点 | 第17-19页 |
2.2 粒子滤波算法 | 第19-22页 |
2.2.1 常用预测滤波算法 | 第19-20页 |
2.2.2 粒子滤波算法原理 | 第20-22页 |
2.2.2.1 粒子滤波背景 | 第20页 |
2.2.2.2 蒙特卡洛模拟 | 第20-21页 |
2.2.2.3 序贯重要性采样 | 第21页 |
2.2.2.4 序贯重要性重采样 | 第21-22页 |
2.3 稀疏编码算法 | 第22-26页 |
2.3.1 稀疏编码研究历史 | 第22-23页 |
2.3.2 稀疏编码的基本原理 | 第23-24页 |
2.3.3 局部约束线形编码 | 第24-26页 |
2.4 本章小结 | 第26-27页 |
第三章 稀疏外观模型的行人跟踪算法设计 | 第27-44页 |
3.1 引言 | 第27页 |
3.2 基于粒子滤波算法的行人跟踪 | 第27-31页 |
3.2.1 引言 | 第27-28页 |
3.2.2 基于粒子滤波算法的跟踪框架 | 第28-29页 |
3.2.3 粒子撒播 | 第29-30页 |
3.2.3.1 一般粒子撒播方法 | 第29页 |
3.2.3.2 基于置信度评级机制的粒子撒播方法 | 第29-30页 |
3.2.4 粒子重采样 | 第30-31页 |
3.2.5 粒子多样性增强 | 第31页 |
3.3 外观模型 | 第31-38页 |
3.3.1 引言 | 第31页 |
3.3.2 基于结构信息的局部稀疏外观模型 | 第31-36页 |
3.3.2.1 局部稀疏外观模型算法框架 | 第31-33页 |
3.3.2.2 局部稀疏外观模型设计 | 第33-34页 |
3.3.2.3 两阶段池化 | 第34-36页 |
3.3.3 基于结构信息的局部约束稀疏编码模型 | 第36-38页 |
3.3.3.1 局部约束稀疏外观模型算法框架 | 第36页 |
3.3.3.2 局部约束稀疏外观模型设计 | 第36-38页 |
3.4 模型更新 | 第38-43页 |
3.4.1 引言 | 第38页 |
3.4.2 模型学习算法 | 第38-41页 |
3.4.2.1 序列化Karhunen–Loeve算法 | 第38-39页 |
3.4.2.2 增量主成分分析算法 | 第39-40页 |
3.4.2.3 基于稀疏表示的增量式主成分分析算法 | 第40-41页 |
3.4.3 替换策略 | 第41-43页 |
3.4.3.1 随机替换策略 | 第41页 |
3.4.3.2 阈值替换策略 | 第41-42页 |
3.4.3.3 基于置信度的替换策略 | 第42-43页 |
3.5 本章小结 | 第43-44页 |
第四章 实验及性能评估 | 第44-59页 |
4.1 引言 | 第44页 |
4.2 实验平台与数据 | 第44-46页 |
4.3 模块实验分析 | 第46-52页 |
4.3.1 粒子滤波算法仿真试验分析 | 第46-48页 |
4.3.2 稀疏外观模型实验分析 | 第48-51页 |
4.3.3 模型更新实验分析 | 第51-52页 |
4.4 总体算法实验评估 | 第52-58页 |
4.4.1 实验配置和参数 | 第52页 |
4.4.2 其他跟踪算法 | 第52-53页 |
4.4.3 性能评估 | 第53-58页 |
4.4.3.1 定性评估 | 第53-55页 |
4.4.3.2 定量评估 | 第55-58页 |
4.5 本章小结 | 第58-59页 |
第五章 总结与展望 | 第59-61页 |
5.1 总结 | 第59-60页 |
5.2 展望 | 第60-61页 |
参考文献 | 第61-65页 |
攻读硕士学位期间取得的研究成果 | 第65-66页 |
致谢 | 第66-67页 |
附件 | 第67页 |