复杂场景下目标跟踪的理论与方法

　　《复杂场景下目标跟踪的理论与方法》是一本关于复杂场景下目标视觉跟踪理论与方法的专著，书中从目标表观建模、跟踪框架这两个方面对目标视觉跟踪的新研究成果进行介绍。全书分为两个部分：第1部分主要介绍目标表观建模方面的研究，第2部分主要介绍目标视觉跟踪框架方面的研究。本书可作为高等学校计算机、自动化、电子信息等专业高年级学生或研究生的教学参考书，对广大从事视觉监控、智能交通、人机交互、虚拟现实等技术的研究、应用和开发的科技人员也有较大的参考价值。

　　张笑钦，博士。于2010年7月毕业于中国科学院自动化研究所模式识别国家重点实验室，现任教于温州大学数学与信息科学学院，主要从事智能视觉监控人机交互方面的研究。其博士论文题目为《复杂场景下目标的跟踪与姿态估计》，该论文对复杂场景下目标的鲁棒跟踪、姿态估计、行为分析等方面展开了深入研究，其研究内容取得了一系列成果，在 IEEE Trans. on PAMI， International Journal of Computer Vision， IEEE Trans. on CSVT， ICCV， CVPR等多个国际权威期刊和会议上发表论文10余篇，被引用200余次，得到了国内外同行的认可和跟进。攻博期间，曾获得“微软学者”、“中国科学院朱李月华优秀博士奖”、“北京市科技奖二等奖”等多项荣誉。

1 绪论
1.1 意义
1.2 研究现状
1.2.1 表观模型
1.2.2 跟踪框架
1.3 本书的结构
2 基于图嵌入判别学习的表观模型
2.1 基于图嵌入的学习框架
2.1.1 图嵌入
2.1.2 图嵌入的降维学习
2.2 基于图嵌入学习的目标跟踪
2.2.1 问题描述
2.2.2 基于样本分布的图嵌入
2.2.3 跟踪算法
2.3 实验结果
3 基于增量张量子空间学习的表观模型
3.1 张量代数
3.2 张量分解
3.3 主成分分析
3.4 增量张量子空间学习
3.5 基于张量子空间学习的目标跟踪
3.6 实验评估
4 基于对数欧氏黎曼子空间学习的表观模型
4.1 黎曼流形和黎曼度量
4.2 协方差矩阵描述子
4.3 基于对数欧氏黎曼子空间学习的目标跟踪
4.3.1 目标跟踪框架概述
4.3.2 目标表达
4.3.3 增量对数欧氏黎曼子空间学习
4.3.4 贝叶斯目标状态估计
4.3.5 实验评估
4.4 基于空间对数欧氏表观模型的目标跟踪
4.4.1 目标表观分块
4.4.2 在线对数欧氏特征空间学习
4.4.3 局部空间滤波
4.4.4 全局空间滤波
4.4.5 相似度匹配
4.4.6 贝叶斯目标状态估计
4.4.7 实验评估
5 基于核贝叶斯的跟踪框架
5.1 核贝叶斯框架
5.1.1 核方法
5.1.2 贝叶斯方法
5.1.3 核贝叶斯方法
5.1.4 讨论和分析
5.2 核贝叶斯跟踪算法
5.2.1 基于空间约束混合高斯的表观模型
5.2.2 核贝叶斯跟踪框架
5.2.3 表观模型的选择性更新
5.2.4 实验结果
6 基于奇异值分解的卡尔曼粒子滤波框架
6.1 无迹卡尔曼粒子滤波算法
6.1.1 无迹卡尔曼滤波器
6.1.2 无迹卡尔曼粒子滤波算法
6.2 基于奇异值分解的卡尔曼粒子滤波算法
6.3 基于增量子空间学习的表观模型
6.4 实验结果
7 基于序列粒子群优化的跟踪框架
7.1 基于序列粒子群优化算法的单目标跟踪
7.1.1 粒子群优化算法
7.1.2 序列粒子群优化算法
7.1.3 算法分析
7.1.4 跟踪算法
7.1.5 实验结果
7.2 基于多种群粒子群优化算法的多目标跟踪
7.2.1 动机
7.2.2 多目标跟踪算法
7.2.3 算法理论分析
7.2.4 实验结果
参考文献
附录 彩图
索引