声明
摘要
插图索引
附表索引
第一章 绪论
1.1 课题研究背景与意义
1.2 目标跟踪国内外研究现状
1.2.1 基于生成模型的目标跟踪
1.2.2 基于判别模型的目标跟踪
1.3 目标跟踪研究面临的问题和挑战
1.4 本文的结构及主要创新点
第二章 判别模型及稀疏表示理论
2.1 目标跟踪的二分类问题
2.1.1 标准二分类问题
2.1.2 Fisher判别模型目标跟踪
2.1.3 1-X分类问题
2.2 稀疏表示理论
2.2.1 信号稀疏表示数学描述
2.2.2 稀疏表示问题的解法
2.3 基于稀疏表示目标跟踪
2.3.1 稀疏表示目标跟踪模型
2.3.2 建立目标运动模型
2.3.3 稀疏表示分类
2.3.4 过完备字典
2.4 目标跟踪算法的性能评估
2.5 本章小结
第三章 基于增量字典学习的目标跟踪算法
3.1 稀疏表示字典学习
3.1.1 字典学习与凸优化
3.1.2 最优方向法(MOD)
3.1.3 K-SVD
3.2 字典更新模型
3.3 判别字典获取
3.3.1 线性判别字典
3.3.2 Biased判别字典
3.3.3 字典增量学习
3.4 实验及分析
3.5 本章小结
第四章 稀疏表示全局局部分类目标跟踪算法
4.1 目标跟踪中的分类方法
4.1.1 Adaboost分类算法
4.1.2 SVM分类算法
4.1.3 全局与局部分类
4.2 稀疏表示全局局部方法
4.2.1 全局局部分类目标模型
4.2.2 稀疏表示全局局部分类算法
4.2.3 集合有偏判别字典的全局局部分类跟踪算法
4.3 实验结果与分析
4.3.1 性能分析
4.3.2 定量分析
4.4 本章小结
第五章 总结与展望
5.1 论文的主要工作
5.2 展望
参考文献
致谢
附录A 攻读硕士学位期间所发表的学术论文