基于相关滤波的视频目标跟踪技术研究

本书介绍了相关滤波框架下，一系列关于目标跟踪的近期新研究成果。主要针对尺度变化、目标遮挡及特征设计与学习三方面问题，详细介绍了相应的目标跟踪方法与原理，具有很强的应用价值。本书适合作为机器视觉、机器人学、运动目标跟踪等相关研究方向人员的参考用书，也为从事智能应用开发的相关人员提供了借鉴资料。

第一章 绪论
1.1 研究背景与意义
1.2 国内外研究及应用现状
1.3 视频目标跟踪技术概述
1.3.1 视频目标跟踪系统框架
1.3.2 基于相关滤波的视频目标跟踪
1.3.3 跟踪算法评价标准
1.3.4 目标跟踪评测数据集
1.4 视频目标跟踪技术难点
1.5 本书主要研究内容与组织结构
第二章 基于分块的尺度自适应目标跟踪方法
2.1 引言
2.2 相关滤波目标跟踪
2.2.1 相关与匹配
2.2.2 相关滤波器
2.3 尺度自适应目标跟踪
2.3.1 目标定位
2.3.2 基于分块的尺度系数计算
2.3.3 标签函数选择
2.3.4 算法流程
2.4 视频目标跟踪实验
2.4.1 参数设定
2.4.2 算法效果分析
2.4.3 算法对比分析
2.4.4 失败案例分析
2.5 可扩展性分析
2.6 本章小结
第三章 基于回溯的遮挡检测与目标跟踪方法
3.1 引言
3.2 记忆机制类比模型更新
3.2.1 记忆模型与记忆研究
3.2.2 模型更新
3.3 基于核岭回归的目标回溯算法
3.3.1 核岭回归
3.3.2 基于核岭回归的目标回溯
3.4 一步回溯遮挡检测与处理
3.4.1 一步回溯遮挡检测
3.4.2 自适应模型更新
3.5 视频目标跟踪实验
3.5.1 参数设定
3.5.2 回溯算法和一步回溯算法对比
3.5.3 一步回溯算法分析
3.5.4 算法对比分析
3.6 本章小结
第四章 基于卷积特征的目标跟踪方法
4.1 引言
4.2 卷积神经网络
4.3 基于卷积特征的相关滤波跟踪算法
4.3.1 可行性分析
4.3.2 算法实现
4.4 视频目标跟踪实验
4.4.1 参数设定
4.4.2 单层卷积特征跟踪性能分析
4.4.3 多跟踪器协同
4.4.4 算法对比分析
4.5 本章小结
第五章 基于特征融合与协同的目标跟踪方法
5.1 引言
5.2 多特征融合相关滤波跟踪算法
5.2.1 可行性分析
5.2.2 算法实现
5.3 多特征融合目标跟踪实验
5.3.1 参数设定
5.3.2 不同颜色特征跟踪性能分析
5.3.3 多特征融合跟踪结果对比
5.4 尺度自适应协同跟踪
5.4.1 传统特征与卷积特征协同
5.4.2 目标尺度估计
5.5 尺度自适应协同跟踪算法测试
5.5.1 公开数据集测试
5.5.2 军事目标跟踪实验
5.6 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
附录A MOSSE求解过程
附录B 系数α的推导
附录C 误差反向传播算法推导