视频跟踪：理论与实践

　　第1章 视频跟踪概述
　　1.1 引言
　　1.2 视频跟踪的设计
　　1.2.1 问题描述
　　1.2.2 视频跟踪算法的主要组成
　　1.3 问题描述
　　1.3.1 单目标跟踪
　　1.3.2 多目标跟踪
　　1.3.3 定义
　　1.4 交互式跟踪与自动跟踪的对比
　　1.5 小结
　　第2章 应用
　　2.1 引言
　　2.2 媒体制作和增强现实
　　2.3 医疗应用和生物研究
　　2.4 监控和智能商业
　　2.5 机器人和无人驾驶
　　2.6 远程协作和互动游戏
　　2.7 装置艺术及表演
　　2.8 小结
　　参考文献
　　第3章 特征提取
　　3.1 引言
　　3.2 从光线到有用的信息
　　3.2.1 光线测量
　　3.2.2 目标外观
　　3.3 初级特征
　　3.3.1 颜色
　　3.3.2 光度颜色不变量
　　3.3.3 梯度和导数
　　3.3.4 拉普拉斯算子
　　3.3.5 运动
　　3.4 中级特征
　　3.4.1 边缘
　　3.4.2 兴趣点与兴趣区域
　　3.4.3 均匀区域
　　3.5 高级特征
　　3.5.1 背景模型
　　3.5.2 目标模型
　　3.6 总结
　　参考文献
　　第4章 目标描述
　　4.1 引言
　　4.2 形状描述
　　4.2.1 基本模型
　　4.2.2 关节模型
　　4.2.3 变形轮廓模型
　　4.3 外观描述
　　4.3.1 模板
　　4.3.2 直方图
　　4.3.3 外观变化的应对
　　4.4 总结
　　参考文献
　　第5章 定位
　　5.1 引言
　　5.2 单假设定位方法
　　5.2.1 梯度跟踪器
　　5.2.2 贝叶斯跟踪和卡尔曼滤波
　　5.3 多假设定位方法
　　5.3.1 网格采样
　　5.3.2 粒子滤波
　　5.3.3 混合方法
　　5.4 总结
　　参考文献
　　第6章 融合技术
　　6.1 引言
　　6.2 融合策略
　　6.2.1 跟踪级融合
　　6.2.2 测量级融合
　　6.3 粒子滤波中的特征融合
　　6.3.1 似然融合
　　6.3.2 多特征重采样
　　6.3.3 特征可靠性
　　6.3.4 时间平滑
　　6.3.5 举例
　　6.4 小结
　　参考文献
　　第7章 多目标管理
　　7.1 引言
　　7.2 量测验证
　　7.3 数据关联
　　7.3.1 最近邻域法
　　7.3.2 图匹配
　　7.3.3 多级假设跟踪
　　7.4 随机有限集的跟踪
　　7.5 概率假设密度滤波
　　7.6 粒子PHD滤波
　　7.6.1 动态观察模型
　　7.6.2 新生和杂波模型
　　7.6.3 重要性采样
　　7.6.4 重采样
　　7.6.5 粒子群
　　7.6.6 例子
　　7.7 小结
　　参考文献
　　第8章 上下文模型
　　8.1 引言
　　8.2 上下文模型的跟踪问题
　　8.2.1 上下文信息
　　8.2.2 上下文的影响
　　8.3 新生和杂波密度估计
　　8.3.1 新生密度
　　8.3.2 杂波密度
　　8.3.3 上下文反馈跟踪
　　8.4 小结
　　参考文献
　　第9章 性能评估
　　9.1 介绍
　　9.2 分析方法与经验方法
　　9.3 地面实况
　　9.4 评价分数
　　9.4.1 定位分数
　　9.4.2 分类分数
　　9.5 跟踪器的对比
　　9.5.1 目标寿命
　　9.5.2 统计学意义
　　9.5.3 重复性
　　9.6 评估协议
　　9.6.1 低级协议
　　9.6.2 高层协议
　　9.7 数据集
　　9.7.1 监控
　　9.7.2 人机交互
　　9.7.3 运动分析
　　9.8 小结
　　参考文献
　　附录A 结果对比
　　A.1 单色直方图与结构直方图
　　A.1.1 实验装置
　　A.1.2 详述
　　A.2 定位算法
　　A.2.1 实验装置
　　A.2.2 详述
　　A.3 多特征融合
　　A.3.1 实验装置
　　A.3.2 可靠性分数
　　A.3.3 自适应与非自适应跟踪
　　A.3.4 计算复杂性
　　A.4 PHD滤波
　　A.4.1 实验装置
　　A.4.2 详述
　　A.4.3 失效模式
　　A.4.4 计算成本
　　A.5 上下文建模
　　A.5.1 实验装置
　　A.5.2 详述
　　参考文献
　　后记
　　延伸阅读

　　作者简介
　　Emilio Maggio是动作捕捉市场的领导者——英国Vicon公司的计算机视觉科学家，他的研究方向是目标跟踪和分类、贝叶斯滤波、图像稀疏以及视频编码等。在2003年和2007年，他分别在瑞士联邦技术学院(EPFL)的信号处理研究所和三菱研究实验室(MERL)做访问学者，在2005年和2007年曾先后两次获得了IEEE ICASSP优秀论文奖，并曾在2002年赢得过IEEE计算机学会国际设计竞赛。
　　Andrea Cavallaro是伦敦玛丽女王大学多媒体信号处理的教授。他的研究方向是目标跟踪和多传感器系统的多模内容分析。他获得了2004年美国电信实验室研究奖学金；2007年获得了皇家学院的工程教学奖；2005年、  2007和2009年三篇论文分别在IEEE ICASSP获奖；2009获得了IEEE AVSS优秀论文奖。他是《IEEE信号处理杂志》、《IEEE多媒体汇刊》、《IEEE信号处理汇刊》的副编辑。
　　主要译者简介：
　　马东玺，生于1980年，男，博士，陆军某研究所工程师，本硕博毕业于国防科技大学，长期从事光电装备科研工作。获军内科技进步一等奖1项，二等奖1项，三等奖3项。主持国家自然科学基金1项，军内科研多项。

　　本书涵盖了近30年视频跟踪技术的发展，介绍了视频目标检测跟踪及其应用的新研究成果和动态，全面系统地介绍了当今世界视频跟踪技术的新研究进展，重点介绍了预处理技术、图像目标检测、视频目标检测、均值移位跟踪方法、基于粒子滤波的跟踪方法等方面的技术和应用。本书内容全面、 新颖，写作风格上深入浅出、思路清晰、通俗易懂。为了让读者更好地掌握算法，书中还提供了一些重要的框图和简单算法的实现代码。
　　本书不仅具有极高的学术价值，对工程实践也具有指导作用。