| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.2 目标跟踪研究现状 | 第12-14页 |
| 1.3 目标跟踪算法分类 | 第14-17页 |
| 1.4 目标跟踪技术难点 | 第17-20页 |
| 1.5 本文主要工作与结构 | 第20-21页 |
| 1.5.1 本文主要工作 | 第20页 |
| 1.5.2 本文结构 | 第20-21页 |
| 第2章 基于稀疏表达进行目标跟踪的相关知识 | 第21-32页 |
| 2.1 粒子滤波理论 | 第21-26页 |
| 2.1.1 蒙特卡洛方法 | 第21-22页 |
| 2.1.2 序列重要性采样 | 第22-24页 |
| 2.1.3 粒子滤波算法的基本流程 | 第24-26页 |
| 2.2 稀疏表达理论 | 第26-29页 |
| 2.2.1 信号的稀疏表达 | 第26-28页 |
| 2.2.2 冗余字典的建立 | 第28-29页 |
| 2.3 基于贝叶斯框架的跟踪问题 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于稀疏表达的生成模型 | 第32-47页 |
| 3.1 基于稀疏表达的L1最小化目标跟踪方法 | 第32-34页 |
| 3.2 基于稀疏表达的L1最小化目标跟踪方法的缺点及改进 | 第34-36页 |
| 3.2.1 L1最小化目标跟踪方法的缺点 | 第34-35页 |
| 3.2.2 L1最小化目标跟踪方法的改进 | 第35-36页 |
| 3.3 基于结构化的局部稀疏表观模型目标跟踪方法 | 第36-39页 |
| 3.4 基于结构化的局部稀疏表观模型目标跟踪方法的改进算法 | 第39-41页 |
| 3.4.1 像素的交叉取样 | 第39-40页 |
| 3.4.2 结构化稀疏字典的建立 | 第40-41页 |
| 3.4.3 基于结构化的局部稀疏目标跟踪算法 | 第41页 |
| 3.5 实验结果与分析 | 第41-45页 |
| 3.5.1 定性比较及分析 | 第41-44页 |
| 3.5.2 定量比较及分析 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于稀疏表达的判别模型 | 第47-65页 |
| 4.1 朴素贝叶斯分类器 | 第47-49页 |
| 4.2 支持向量机分类器 | 第49-53页 |
| 4.3 基于logistic判别函数的稀疏表达判别模型 | 第53-56页 |
| 4.3.1 全局模板及特征选择 | 第53-55页 |
| 4.3.2 局部模型及遮挡判断 | 第55-56页 |
| 4.3.3 基于logistic决策函数的判别式跟踪算法 | 第56页 |
| 4.4 实验结果与分析 | 第56-64页 |
| 4.4.1 实验序列选取与实验结果 | 第57-60页 |
| 4.4.2 对比实验定性分析 | 第60-62页 |
| 4.4.3 对比实验定量分析 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
