| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 目标跟踪背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 目标跟踪算法框架 | 第15-16页 |
| 1.2.2 目标跟踪算法难题 | 第16-17页 |
| 1.3 目标跟踪算法分类与综述 | 第17-22页 |
| 1.3.1 目标跟踪算法分类 | 第17页 |
| 1.3.2 目标跟踪算法综述 | 第17-22页 |
| 1.4 课题来源与内容安排 | 第22-23页 |
| 1.4.1 课题来源 | 第22页 |
| 1.4.2 内容安排 | 第22-23页 |
| 第2章 目标跟踪算法理论知识 | 第23-31页 |
| 2.1 粒子滤波 | 第23-24页 |
| 2.2 欧氏度量 | 第24-25页 |
| 2.2.1 欧氏度量局部分析 | 第24-25页 |
| 2.2.2 自适应权重学习 | 第25页 |
| 2.3 稀疏表示理论 | 第25-27页 |
| 2.3.1 稀疏表示模型 | 第25-26页 |
| 2.3.2 稀疏表示求解 | 第26-27页 |
| 2.4 仿射变换 | 第27-29页 |
| 2.4.1 仿射变换理论 | 第27-28页 |
| 2.4.2 六自由度仿射变换 | 第28-29页 |
| 2.5 超像素分割 | 第29-30页 |
| 2.5.1 超像素定义 | 第29页 |
| 2.5.2 SLIC超像素分割 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 最小界粒子优化与超像素局部权重学习的目标跟踪 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 本章研究动机 | 第31-32页 |
| 3.3 本章算法流程图 | 第32页 |
| 3.4 最小界粒子优化 | 第32-35页 |
| 3.4.1 L1跟踪算法 | 第32-34页 |
| 3.4.2 最小误差界 | 第34-35页 |
| 3.5 局部余弦相似 | 第35-37页 |
| 3.5.1 局部余弦推导 | 第35页 |
| 3.5.2 超像素局部权重 | 第35-37页 |
| 3.5.3 计算最终结果 | 第37页 |
| 3.6 更新 | 第37页 |
| 3.6.1 模板更新 | 第37页 |
| 3.6.2 超像素局部权重更新 | 第37页 |
| 3.7 本章算法流程总结 | 第37-38页 |
| 3.8 实验结果与分析 | 第38-40页 |
| 3.8.1 实验设置 | 第38页 |
| 3.8.2 实验结果定性评估 | 第38-39页 |
| 3.8.3 实验结果定量评估 | 第39-40页 |
| 3.9 本章小结 | 第40-41页 |
| 第4章 利用超像素局部加权度量和反稀疏模型的目标追踪 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 本章研究动机 | 第41-42页 |
| 4.3 粒子滤波 | 第42页 |
| 4.4 置信图 | 第42-43页 |
| 4.5 超像素局部权重 | 第43-44页 |
| 4.6 反稀疏模型 | 第44-45页 |
| 4.6.1 字典构建 | 第44页 |
| 4.6.2 反稀疏编码 | 第44页 |
| 4.6.3 计算最优位置 | 第44-45页 |
| 4.7 更新 | 第45-46页 |
| 4.7.1 模板更新 | 第45页 |
| 4.7.2 超像素权重更新 | 第45-46页 |
| 4.8 本章算法总结 | 第46页 |
| 4.9 实验结果及分析 | 第46-53页 |
| 4.9.1 实验设定 | 第46-47页 |
| 4.9.2 算法性能评价指标 | 第47-48页 |
| 4.9.3 实验结果定性评估 | 第48-50页 |
| 4.9.4 实验结果定量评估 | 第50-51页 |
| 4.9.5 参数讨论 | 第51-53页 |
| 4.10 本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 总结 | 第55页 |
| 展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间取得的主要科研成果 | 第65页 |