基于低秩和稀疏表示模型的视频目标提取和跟踪研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 视频目标提取与跟踪的研究概述 | 第19-21页 |
| 1.2.1 视频目标提取 | 第19-20页 |
| 1.2.2 视频目标跟踪 | 第20-21页 |
| 1.3 本文的主要工作及创新性成果 | 第21-24页 |
| 1.4 本文的组织结构 | 第24-26页 |
| 第二章 基于正则化低秩表示模型的视频目标分割 | 第26-50页 |
| 2.1 引言 | 第26-28页 |
| 2.2 相关工作 | 第28-29页 |
| 2.3 基于视频统计先验的正则化稀疏表示模型 | 第29-34页 |
| 2.4 基于次优低秩分解的快速求解算法 | 第34-35页 |
| 2.5 基于有约束规范化图割的无监督视频目标分割 | 第35-39页 |
| 2.6 基于马尔科夫随机场的交互式视频目标分割 | 第39-40页 |
| 2.7 实验结果与分析 | 第40-49页 |
| 2.7.1 实验设置 | 第40-42页 |
| 2.7.2 实验-Ⅰ：无监督的视频目标分割 | 第42-45页 |
| 2.7.3 实验-Ⅱ：交互式的视频目标分割 | 第45-47页 |
| 2.7.4 效率分析 | 第47-49页 |
| 2.8 本章小结 | 第49-50页 |
| 第三章 基于加权低秩分解的多模态运动目标检测 | 第50-72页 |
| 3.1 引言 | 第50-52页 |
| 3.2 相关工作 | 第52-53页 |
| 3.3 加权低秩分解模型 | 第53-57页 |
| 3.3.1 问题建模 | 第53-55页 |
| 3.3.2 模型优化 | 第55-57页 |
| 3.4 基于保边滤波的加速算法 | 第57-60页 |
| 3.5 多模态运动目标评测平台 | 第60-63页 |
| 3.5.1 数据集 | 第60-62页 |
| 3.5.2 基准方法 | 第62-63页 |
| 3.5.3 评价度量 | 第63页 |
| 3.6 实验结果与分析 | 第63-71页 |
| 3.6.1 实验设置 | 第63-64页 |
| 3.6.2 对比分析 | 第64-68页 |
| 3.6.3 组成成分分析 | 第68-69页 |
| 3.6.4 效率分析 | 第69-71页 |
| 3.7 本章小结 | 第71-72页 |
| 第四章 基于局部图像块表达和动态图学习的目标跟踪 | 第72-86页 |
| 4.1 引言 | 第72-73页 |
| 4.2 相关工作 | 第73-74页 |
| 4.3 基于动态图学习的局部图像块权重优化 | 第74-79页 |
| 4.3.1 问题建模 | 第74-76页 |
| 4.3.2 模型优化 | 第76-79页 |
| 4.4 结构化输出跟踪算法 | 第79-80页 |
| 4.5 实验结果与分析 | 第80-85页 |
| 4.5.1 实验设置 | 第80-81页 |
| 4.5.2 对比结果与分析 | 第81-83页 |
| 4.5.3 组成成分分析 | 第83-85页 |
| 4.6 本章小结 | 第85-86页 |
| 第五章 基于协同稀疏表示模型的多模态目标跟踪 | 第86-108页 |
| 5.1 引言 | 第86-88页 |
| 5.2 相关工作 | 第88-89页 |
| 5.3 多模态贝叶斯滤波框架 | 第89-90页 |
| 5.4 协同稀疏表示模型及其求解 | 第90-94页 |
| 5.4.1 问题建模 | 第90-92页 |
| 5.4.2 模型求解 | 第92-94页 |
| 5.4.3 判别似然概率 | 第94页 |
| 5.5 多模态目标跟踪评测平台构建 | 第94-100页 |
| 5.5.1 数据集 | 第95-98页 |
| 5.5.2 基准方法 | 第98页 |
| 5.5.3 评价度量 | 第98-100页 |
| 5.6 实验结果与分析 | 第100-106页 |
| 5.6.1 实验设置 | 第100-101页 |
| 5.6.2 对比结果与分析 | 第101-102页 |
| 5.6.3 组成成分分析 | 第102-103页 |
| 5.6.4 其他讨论 | 第103-106页 |
| 5.7 本章小结 | 第106-108页 |
| 第六章 总结与展望 | 第108-112页 |
| 参考文献 | 第112-134页 |
| 攻读博士学位期间发表的学术论文 | 第134-138页 |
| 攻读博士学位期间参加的科研项目 | 第138-140页 |
| 致谢 | 第140-141页 |
