基于稀疏表示的目标跟踪算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景与意义 | 第12-14页 |
| 1.3 目标跟踪理论国内外发展现状 | 第14-17页 |
| 1.3.1 目标跟踪理论国外发展现状 | 第15-16页 |
| 1.3.2 目标跟踪理论国内发展现状 | 第16-17页 |
| 1.4 稀疏表示理论的研究发展现状 | 第17-18页 |
| 1.5 本文的主要工作 | 第18-19页 |
| 1.6 本文的内容安排 | 第19-20页 |
| 第2章 视频目标跟踪理论 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 视频目标跟踪的基本原理 | 第20-21页 |
| 2.3 视频目标跟踪算法分类 | 第21-23页 |
| 2.3.1 基于生成模型的目标跟踪算法 | 第21-22页 |
| 2.3.2 基于判别模型的目标跟踪算法 | 第22-23页 |
| 2.3.3 基于混合模型的目标跟踪算法 | 第23页 |
| 2.4 视频目标跟踪技术的难点 | 第23-26页 |
| 2.5 视频目标跟踪特征简介 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于多特征自适应融合的跟踪算法 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 粒子滤波理论概述 | 第30-32页 |
| 3.3 基于HSV和HOG特征的自适应融合算法 | 第32-35页 |
| 3.3.1 特征提取 | 第32-33页 |
| 3.3.2 特征不确定性因子的建立 | 第33页 |
| 3.3.3 特征融合策略的构建 | 第33-35页 |
| 3.3.4 算法具体步骤 | 第35页 |
| 3.4 实验结果与分析 | 第35-39页 |
| 3.4.1 定性分析 | 第36-38页 |
| 3.4.2 定量分析 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于多特征联合稀疏表示的跟踪算法 | 第41-56页 |
| 4.1 引言 | 第41-42页 |
| 4.2 跟踪的相关理论 | 第42-45页 |
| 4.2.1 稀疏表示理论 | 第42-43页 |
| 4.2.2 基于稀疏表示的目标跟踪 | 第43-45页 |
| 4.3 目标的分层稀疏表示 | 第45-50页 |
| 4.3.1 构建联合模板 | 第45-46页 |
| 4.3.2 分层稀疏表示模型 | 第46-48页 |
| 4.3.3 模板更新 | 第48-50页 |
| 4.4 实验结果与分析 | 第50-54页 |
| 4.4.1 定性分析 | 第50-53页 |
| 4.4.2 定量分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第65页 |
