基于增量学习判别模型的目标跟踪方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究背景与意义 | 第12-13页 |
| ·目标跟踪国内外研究现状 | 第13-15页 |
| ·基于生成模型的目标跟踪 | 第14页 |
| ·基于判别模型的目标跟踪 | 第14-15页 |
| ·目标跟踪研究面临的问题和挑战 | 第15-16页 |
| ·本文的结构及主要创新点 | 第16-18页 |
| 第二章 判别模型及稀疏表示理论 | 第18-29页 |
| ·目标跟踪的二分类问题 | 第18-21页 |
| ·标准二分类问题 | 第18-19页 |
| ·Fisher判别模型目标跟踪 | 第19-20页 |
| ·1-X分类问题 | 第20-21页 |
| ·稀疏表示理论 | 第21-24页 |
| ·信号稀疏表示数学描述 | 第21-22页 |
| ·稀疏表示问题的解法 | 第22-24页 |
| ·基于稀疏表示目标跟踪 | 第24-27页 |
| ·稀疏表示目标跟踪模型 | 第24-25页 |
| ·建立目标运动模型 | 第25-26页 |
| ·稀疏表示分类 | 第26页 |
| ·过完备字典 | 第26-27页 |
| ·目标跟踪算法的性能评估 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于增量字典学习的目标跟踪算法 | 第29-38页 |
| ·稀疏表示字典学习 | 第29-31页 |
| ·字典学习与凸优化 | 第29-30页 |
| ·最优方向法(MOD) | 第30页 |
| ·K-SVD | 第30-31页 |
| ·字典更新模型 | 第31-32页 |
| ·判别字典获取 | 第32-36页 |
| ·线性判别字典 | 第32-33页 |
| ·Biased判别字典 | 第33-34页 |
| ·字典增量学习 | 第34-36页 |
| ·实验及分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 稀疏表示全局局部分类目标跟踪算法 | 第38-50页 |
| ·目标跟踪中的分类方法 | 第38-41页 |
| ·Adaboost分类算法 | 第38-39页 |
| ·SVM分类算法 | 第39-40页 |
| ·全局与局部分类 | 第40-41页 |
| ·稀疏表示全局局部方法 | 第41-46页 |
| ·全局局部分类目标模型 | 第42-43页 |
| ·稀疏表示全局局部分类算法 | 第43-45页 |
| ·集合有偏判别字典的全局局部分类跟踪算法 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·性能分析 | 第46-48页 |
| ·定量分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·论文的主要工作 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第59页 |
