基于判别式表观模型的视觉跟踪算法研究

　　视觉跟踪是计算机视觉领域的基础性研究课题之一。随着计算机处理性能、机器学习技术的不断提升，以及摄像机等设备的普及，视觉跟踪技术已广泛应用于军事、监控和安防、智能人机交互、机器人、智能交通等诸多领域，具有重要的研究价值。而众多的应用场景也使视觉跟踪算法面临许多具有挑战性的难点，如背景干扰、遮挡、光照变化等。为此，国内外的学者主要从构建目标的表观模型出发，设计视觉跟踪算法。本著作对表观模型的特征表达和统计建模方法进行了重点研究，针对现有视觉跟踪算法在实时性、鲁棒性、精确性等方面存在的问题，提出了若干基于判别式表观模型的新算法。

　　胡华，河南信阳人，女，1973年出生，系主任、教授（硕士），主要研究方向为人工智能与信息处理。先后承担军队、陆军多项课题研究，获军队科技进步三等奖5次；2011年被评为优秀科技创新人才，2015年被评为装备技术保障专家，享受军队优秀专业技术人才岗位津贴。王暐，甘肃白银人，男，1989年出生，工程师（博士），主要研究方向为计算机视觉与光电经纬仪测试。长期从事基于光学的外弹道跟踪测试任务，承担陆军试验训练项目一项，获军队科技进步二等奖一次。王春平，陕西汉中人，男，1964年出生，教授（博士），主要研究方向为目标跟踪与识别、火控理论与系统。先后承担装备预研等多项课题，获军队科技进步二等奖、三等奖多次，享受军队优秀专业技术人才岗位津贴。陈彦龙，四川资阳人，男，1987年出生，讲师（博士），主要研究方向为人工智能与故障诊断。参与多项军队课题，出版专著《基于量子理论的滚动轴承振动信号降噪方法研究》，发表论文30余篇。

1 绪论
1．1 研究背景与意义
1．2 目标跟踪算法研究现状
1．3 视觉跟踪算法中表观模型的研究综述
1．4 研究内容与结构安排
2 基于K近邻和多实例学习的超像素跟踪
2．1 背景知识介绍
2．2 采用KNN的超像素跟踪
2．3 采用MIL的超像素跟踪
2．4 跟踪算法评价指标
2．5 实验结果与分析
3 基于在线随机森林的超像素跟踪
3．1 在线随机回归森林
3．2 采用在线随机回归森林的超像素跟踪
3．3 实验结果及分析
4 采用融合特征的核相关滤波跟踪
4．1 背景知识
4．2 相关滤波跟踪算法的框架
4．3 采用融合特征的KCF
4．4 实验及分析
5 基于分层深度特征的分块跟踪
5．1 背景知识
5．2 卷积神经网络
5．3 基于分层深度特征的跟踪
5．4 实验结果与分析
6 总结与展望
6．1 工作总结
6．2 资料研究展望
参考文献