基于稀疏表示的目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 目标跟踪的研究背景及意义 | 第7页 |
| 1.2 目标跟踪的研究现状 | 第7-9页 |
| 1.3 目标跟踪的难点 | 第9-10页 |
| 1.4 本文的主要工作 | 第10-12页 |
| 1.4.1 本文的研究内容 | 第10-11页 |
| 1.4.2 本文的章节安排 | 第11-12页 |
| 第二章 目标跟踪概述 | 第12-20页 |
| 2.1 粒子滤波 | 第12-15页 |
| 2.1.1 粒子滤波的简介 | 第12页 |
| 2.1.2 粒子滤波的实现过程 | 第12-15页 |
| 2.2 稀疏表示 | 第15-16页 |
| 2.2.1 稀疏表示理论 | 第15-16页 |
| 2.2.2 稀疏表示理论的应用 | 第16页 |
| 2.3 系统模型 | 第16-17页 |
| 2.3.1 运动模型 | 第16-17页 |
| 2.3.2 观测模型 | 第17页 |
| 2.4 基于稀疏表示的跟踪算法 | 第17-18页 |
| 2.4.1 l_1跟踪算法 | 第17-18页 |
| 2.4.2 l_(2,1)跟踪算法 | 第18页 |
| 2.5 目标跟踪的流程 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 基于多任务结构稀疏表示的目标跟踪算法 | 第20-34页 |
| 3.1 多任务结构稀疏表示外观模型 | 第20-23页 |
| 3.1.1 调整图片大小 | 第20页 |
| 3.1.2 多任务重叠分块稀疏外观模型 | 第20-23页 |
| 3.2 算法实现 | 第23页 |
| 3.3 l_(2,1)的优化 | 第23-24页 |
| 3.4 模板更新 | 第24-25页 |
| 3.5 实验结果 | 第25-33页 |
| 3.5.1 参数设置 | 第26页 |
| 3.5.2 定量分析 | 第26-29页 |
| 3.5.3 定性分析 | 第29-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 多特征融合的混合模型视频跟踪算法 | 第34-47页 |
| 4.1 特征提取 | 第34-35页 |
| 4.1.1 像素特征的局部模型 | 第34页 |
| 4.1.2 颜色特征的全局模型 | 第34-35页 |
| 4.2 多特征融合的混合模型 | 第35-36页 |
| 4.3 模板更新 | 第36页 |
| 4.4 实验结果 | 第36-46页 |
| 4.4.1 参数设置 | 第36-37页 |
| 4.4.2 定量分析 | 第37-42页 |
| 4.4.3 定性分析 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 融合离群检测策略的混合模型目标跟踪算法 | 第47-59页 |
| 5.1 融合离群检测策略的混合模型 | 第47-49页 |
| 5.2 优化算法 | 第49-50页 |
| 5.3 实验结果 | 第50-58页 |
| 5.3.1 参数设置 | 第50页 |
| 5.3.2 速度分析 | 第50-51页 |
| 5.3.3 定量分析 | 第51-55页 |
| 5.3.4 定性分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |
