复杂场景视频目标跟踪方法

　　本书系统、全面地介绍了复杂场景下视频目标跟踪领域的研究成果，主要内容包括：空间相关背景加权直方图均值移动目标跟踪、粒子滤波目标跟踪、CAMSHIFT目标跟踪、核粒子滤波目标跟踪、Adaboost检测和混合粒子滤波融合的多目标跟踪、粒子滤波多目标跟踪、基于多示例学习的目标跟踪、基于卷积神经网络的目标跟踪。同时，结合多特征融合的方法，给出了基于复杂场景下的目标跟踪方法的应用示例，旨在提高读者对于视频目标跟踪技术的理解、设计及实践能力，为从事目标跟踪相关的科学研究、工程应用等工作奠定基础。本书可作为模式识别、人工智能、自动化、电子信息等相关专业高年级本科生、研究生的参考书，也可为从事模式识别、计算机视觉、人工智能、智能信息处理等相关领域的研究和工程技术人员提供参考。

暂缺《复杂场景视频目标跟踪方法》作者简介

第1章 绪论
1.1 课题研究的目的和意义
1.2 目标跟踪研究中面临的主要问题
1.3 目标跟踪算法 外研究现状
1.4 本书的主要研究内容和章节安排
第2章 空间相关背景加权直方图均值移动目标跟踪
2.1 均值移动概述
2.2 空间直方图均值移动目标跟踪
2.3 空间相关背景加权直方图均值移动目标跟踪
2.4 实验结果与分析
2.5 本章小结
第3章 均值移动优化的粒子滤波目标跟踪
3.1 粒子滤波概述
3.2 尺度和方向自适应均值移动跟踪
3.3 多特征融合均值移动优化粒子滤波目标跟踪
3.4 实验结果与分析
3.5 本章小结
第4章 基于粒子滤波的改进CAMSHIFT目标跟踪
4.1 基本CAMSHIFT算法
4.2 改进的CAMSHIFT目标跟踪算法
4.3 改进的CAMSHIFT和粒子滤波组合算法
4.4 实验结果与分析
4.5 本章小结
第5章 核粒子滤波目标跟踪
5.1 核粒子滤波
5.2 多线索融合的核粒子滤波
5.3 实验结果与分析
5.4 本章小结
第6章 Adaboost检测和混合粒子滤波融合的多目标跟踪
6.1 混合粒子滤波
6.2 模板 新
6.3 混合粒子滤波目标跟踪
6.4 Adaboost检测和混合粒子滤波融合跟踪
6.5 本章小结
第7章 改进的粒子滤波多目标跟踪
7.1 改进的粒子滤波多目标跟踪基本理论
7.2 粒子滤波多目标跟踪实验与分析
7.3 本章小结
第8章 基于粒子滤波和多示例学习的目标跟踪
8.1 压缩感知和多示例学习基本理论
8.2 基于压缩感知的多示例学习目标跟踪算法
8.3 粒子滤波预测
8.4 目标跟踪算法的伪码及算法流程
8.5 实验结果与分析
8.6 本章小结
第9章 基于粒子滤波和卷积神经网络的目标跟踪
9.1 深度学习
9.2 卷积神经网络（CNN）
9.3 基于粒子滤波和卷积神经网络的目标跟踪
9.4 实验结果与分析