基于张量表达的视觉跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 运动模型 | 第13-14页 |
| 1.2.2 特征表达 | 第14页 |
| 1.2.3 观测模型 | 第14-15页 |
| 1.2.4 更新算法 | 第15-16页 |
| 1.3 存在问题及分析 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第2章 相关理论及方法 | 第19-33页 |
| 2.1 粒子滤波 | 第19-22页 |
| 2.1.1 贝叶斯滤波 | 第19-20页 |
| 2.1.2 序贯重要性采样 | 第20-21页 |
| 2.1.3 重采样 | 第21页 |
| 2.1.4 粒子滤波 | 第21-22页 |
| 2.2 稀疏表示 | 第22-25页 |
| 2.3 张量基础 | 第25-29页 |
| 2.3.1 张量的基本概念与运算 | 第25-27页 |
| 2.3.2 张量的秩与CP分解 | 第27-28页 |
| 2.3.3 张量的Tucker分解 | 第28-29页 |
| 2.4 有监督梯度下降 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于张量池化的视觉目标跟踪 | 第33-53页 |
| 3.1 引言 | 第33-34页 |
| 3.2 跟踪算法 | 第34-37页 |
| 3.2.1 张量池化 | 第35页 |
| 3.2.2 表观建模 | 第35-36页 |
| 3.2.3 似然模型 | 第36-37页 |
| 3.2.4 判别式框架 | 第37页 |
| 3.3 增量更新算法 | 第37-40页 |
| 3.3.1 增量主成分分析 | 第37-38页 |
| 3.3.2 增量张量子空间分解 | 第38-39页 |
| 3.3.3 鲁棒更新 | 第39-40页 |
| 3.4 算法总体流程 | 第40-41页 |
| 3.5 实验结果 | 第41-51页 |
| 3.5.1 实验设置 | 第41-42页 |
| 3.5.2 定量分析 | 第42-45页 |
| 3.5.3 定性分析 | 第45-49页 |
| 3.5.4 池化算法比较 | 第49-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于稀疏张量表达的视觉目标跟踪 | 第53-69页 |
| 4.1 引言 | 第53页 |
| 4.2 跟踪算法 | 第53-58页 |
| 4.2.1 张量稀疏表达 | 第54-56页 |
| 4.2.2 表观建模 | 第56-58页 |
| 4.2.3 似然模型 | 第58页 |
| 4.3 模型更新 | 第58-59页 |
| 4.4 算法总体流程 | 第59-60页 |
| 4.5 实验结果 | 第60-66页 |
| 4.5.1 实验设置 | 第60-61页 |
| 4.5.2 定量分析 | 第61-64页 |
| 4.5.3 定性分析 | 第64-66页 |
| 4.6 本章小结 | 第66-69页 |
| 第5章 基于概率化部件空间的视觉目标跟踪 | 第69-87页 |
| 5.1 引言 | 第69-70页 |
| 5.2 基本跟踪算法 | 第70-73页 |
| 5.2.1 层次回归 | 第70-71页 |
| 5.2.2 置信度估计 | 第71-72页 |
| 5.2.3 主导集投票 | 第72-73页 |
| 5.3 部件空间 | 第73-75页 |
| 5.3.1 概率模型 | 第73-74页 |
| 5.3.2 建议分布 | 第74页 |
| 5.3.3 接受概率 | 第74-75页 |
| 5.4 模型更新 | 第75-76页 |
| 5.4.1 层次回归模型更新 | 第75-76页 |
| 5.4.2 部件空间更新 | 第76页 |
| 5.5 算法总体流程 | 第76-77页 |
| 5.6 实验结果 | 第77-86页 |
| 5.6.1 实验设置 | 第78页 |
| 5.6.2 定量分析 | 第78-82页 |
| 5.6.3 定性分析 | 第82-86页 |
| 5.7 本章小结 | 第86-87页 |
| 结论 | 第87-89页 |
| 参考文献 | 第89-97页 |
| 攻读学位期间发表论文与研究成果清单 | 第97-99页 |
| 致谢 | 第99页 |
