| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 引言 | 第12页 |
| 1.2 选题背景及意义 | 第12-14页 |
| 1.3 视觉跟踪技术难题 | 第14-15页 |
| 1.4 国内外研究现状 | 第15-17页 |
| 1.5 本文的主要内容 | 第17-19页 |
| 第二章 视觉跟踪算法与视觉显著检测模型 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 视觉跟踪算法 | 第19-22页 |
| 2.2.1 基于模型驱动的跟踪算法 | 第19-21页 |
| 2.2.2 基于数据驱动的跟踪算法 | 第21-22页 |
| 2.3 视觉注意模型介绍 | 第22-27页 |
| 2.3.1 视觉认知模型 | 第22-24页 |
| 2.3.2 判别注意模型 | 第24-25页 |
| 2.3.3 频域模型 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于视觉显著原目标的跟踪算法 | 第28-37页 |
| 3.1 引言 | 第28页 |
| 3.2 视觉显著性原始目标检测 | 第28-29页 |
| 3.3 基于视觉显著原目标跟踪算法 | 第29-33页 |
| 3.3.1 目标联合分布模型 | 第30-31页 |
| 3.3.2 基于吉布斯采样的目标跟踪 | 第31-33页 |
| 3.3.3 算法流程 | 第33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于视觉显著性特征的自适应目标跟踪 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 图像底层颜色特征 | 第37-38页 |
| 4.2.1 颜色特征 | 第37-38页 |
| 4.2.2 颜色特征直方图 | 第38页 |
| 4.3 视觉显著性特征 | 第38-41页 |
| 4.3.1 视觉显著图检测 | 第39-40页 |
| 4.3.2 视觉显著性特征 | 第40-41页 |
| 4.4 基于视觉显著性特征的自适应目标跟踪 | 第41-43页 |
| 4.4.1 视觉显著性特征融合算法 | 第41-42页 |
| 4.4.2 跟踪算法流程 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-47页 |
| 4.5.1 人脸视频序列跟踪实验 | 第43-45页 |
| 4.5.2 飞机模型运动跟踪实验 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于特征加权的自适应压缩感知目标跟踪 | 第48-63页 |
| 5.1 引言 | 第48页 |
| 5.2 基于检测的目标跟踪算法 | 第48-51页 |
| 5.2.1 实时On-line Boosting算法介绍 | 第49-50页 |
| 5.2.2 多示例学习算法介绍 | 第50-51页 |
| 5.3 压缩感知理论原理 | 第51-52页 |
| 5.3.1 信号的稀疏表示 | 第51-52页 |
| 5.3.2 设计测量矩阵与信号重构 | 第52页 |
| 5.4 基于特征加权的自适应压缩感知目标跟踪算法 | 第52-57页 |
| 5.4.1 基于加权的压缩感知特征提取 | 第52-54页 |
| 5.4.2 压缩感知目标跟踪算法 | 第54-55页 |
| 5.4.3 弱分类器自适应学习 | 第55-56页 |
| 5.4.4 跟踪算法流程 | 第56-57页 |
| 5.5 实验结果与分析 | 第57-61页 |
| 5.6 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 不足之处与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |