基于粒子滤波和稀疏表示的目标跟踪算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 判别式跟踪算法 | 第12-13页 |
| 1.2.2 生成式跟踪算法 | 第13-14页 |
| 1.3 本文主要研究内容与创新点 | 第14-16页 |
| 1.4 论文目录安排 | 第16-18页 |
| 第二章 粒子滤波与稀疏表示理论 | 第18-26页 |
| 2.1 引言 | 第18-19页 |
| 2.2 粒子滤波理论 | 第19-22页 |
| 2.2.1 贝叶斯推理统计 | 第19-20页 |
| 2.2.2 蒙特卡洛方法 | 第20页 |
| 2.2.3 粒子滤波在跟踪问题中的算法描述 | 第20-22页 |
| 2.3 稀疏表示理论 | 第22-25页 |
| 2.3.1 信号的稀疏表达 | 第23-24页 |
| 2.3.2 稀疏表示在目标跟踪中的应用 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于支持向量机的判别式跟踪模型 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 基于支持向量机的判别式跟踪框架设计 | 第26-30页 |
| 3.2.1 线性支持向量机 | 第26-28页 |
| 3.2.2 训练样本的选取 | 第28-29页 |
| 3.2.3 模型框架设计 | 第29-30页 |
| 3.3 基于主成分分析的样本预处理 | 第30-32页 |
| 3.4 实验结果及分析 | 第32-39页 |
| 3.4.1 基于支持向量机的判别式跟踪算法实现 | 第32-33页 |
| 3.4.2 更新策略 | 第33-34页 |
| 3.4.3 实验结果 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于支持向量机与稀疏表示的联合跟踪算法 | 第40-53页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于分块稀疏表示的生成子模型 | 第41-45页 |
| 4.2.1 稀疏信号及字典的构建 | 第41-42页 |
| 4.2.2 稀疏求解方法的对比 | 第42-45页 |
| 4.3 相似性度量分析 | 第45-50页 |
| 4.3.1 基于整体的信息熵度量标准 | 第45-46页 |
| 4.3.2 基于图像块的遮挡处理 | 第46-47页 |
| 4.3.3 仿真实验 | 第47-50页 |
| 4.4 联合模型算法详述 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 联合算法的性能分析 | 第53-74页 |
| 5.1 引言 | 第53页 |
| 5.2 实验说明 | 第53-57页 |
| 5.2.1 VOT2015介绍 | 第53-55页 |
| 5.2.2 补充数据说明 | 第55-57页 |
| 5.3 定性分析 | 第57-63页 |
| 5.3.1 遮挡 | 第57-58页 |
| 5.3.2 光照变化 | 第58-59页 |
| 5.3.3 旋转 | 第59-60页 |
| 5.3.4 低分辨率 | 第60-61页 |
| 5.3.5 相机抖动与运动模糊 | 第61-62页 |
| 5.3.6 背景杂乱 | 第62-63页 |
| 5.4 定量分析 | 第63-73页 |
| 5.4.1 指标介绍 | 第64-66页 |
| 5.4.2 实验结果 | 第66-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士期间取得的研究成果 | 第83-84页 |
