复杂场景下目标跟踪的理论与方法PDF电子书下载

1绪论 1

1.1意义 1

1.2研究现状 3

1.2.1表观模型 4

1.2.2跟踪框架 5

1.3本书的结构 7

2基于图嵌入判别学习的表观模型 10

2.1基于图嵌入的学习框架 11

2.1.1图嵌入 11

2.1.2图嵌入的降维学习 11

2.2基于图嵌入学习的目标跟踪 13

2.2.1问题描述 13

2.2.2基于样本分布的图嵌入 14

2.2.3跟踪算法 17

2.3实验结果 20

3基于增量张量子空间学习的表观模型 25

3.1张量代数 25

3.2张量分解 27

3.3主成分分析 28

3.4增量张量子空间学习 33

3.5基于张量子空间学习的目标跟踪 35

3.6实验评估 37

4基于对数欧氏黎曼子空间学习的表观模型 43

4.1黎曼流形和黎曼度量 43

4.2协方差矩阵描述子 47

4.3基于对数欧氏黎曼子空间学习的目标跟踪 47

4.3.1目标跟踪框架概述 48

4.3.2目标表达 48

4.3.3增量对数欧氏黎曼子空间学习 50

4.3.4贝叶斯目标状态估计 51

4.3.5实验评估 52

4.4基于空间对数欧氏表观模型的目标跟踪 57

4.4.1目标表观分块 58

4.4.2在线对数欧氏特征空间学习 59

4.4.3局部空间滤波 60

4.4.4全局空间滤波 60

4.4.5相似度匹配 61

4.4.6贝叶斯目标状态估计 62

4.4.7实验评估 62

5基于核贝叶斯的跟踪框架 66

5.1核贝叶斯框架 67

5.1.1核方法 67

5.1.2贝叶斯方法 68

5.1.3核贝叶斯方法 69

5.1.4讨论和分析 70

5.2核贝叶斯跟踪算法 70

5.2.1基于空间约束混合高斯的表观模型 71

5.2.2核贝叶斯跟踪框架 72

5.2.3表观模型的选择性更新 73

5.2.4实验结果 74

6基于奇异值分解的卡尔曼粒子滤波框架 77

6.1无迹卡尔曼粒子滤波算法 77

6.1.1无迹卡尔曼滤波器 77

6.1.2无迹卡尔曼粒子滤波算法 78

6.2基于奇异值分解的卡尔曼粒子滤波算法 79

6.3基于增量子空间学习的表观模型 80

6.4实验结果 81

7基于序列粒子群优化的跟踪框架 83

7.1基于序列粒子群优化算法的单目标跟踪 83

7.1.1粒子群优化算法 84

7.1.2序列粒子群优化算法 86

7.1.3算法分析 90

7.1.4跟踪算法 92

7.1.5实验结果 93

7.2基于多种群粒子群优化算法的多目标跟踪 96

7.2.1动机 96

7.2.2多目标跟踪算法 97

7.2.3算法理论分析 102

7.2.4实验结果 105

参考文献 113

附录 彩图 123

索引 145