第1章 视频跟踪概述 1
1.1 引言 1
1.2 视频跟踪的设计 2
1.2.1 问题描述 2
1.2.2 视频跟踪算法的主要组成 4
1.3 问题描述 6
1.3.1 单目标跟踪 6
1.3.2 多目标跟踪 8
1.3.3 定义 8
1.4 交互式跟踪与自动跟踪的对比 9
1.5 小结 10
第2章 应用 11
2.1 引言 11
2.2 媒体制作和增强现实 11
2.3 医疗应用和生物研究 14
2.4 监控和智能商业 15
2.5 机器人和无人驾驶 17
2.6 远程协作和互动游戏 17
2.7 装置艺术及表演 18
2.8 小结 19
参考文献 19
第3章 特征提取 23
3.1 引言 23
3.2 从光线到有用的信息 23
3.2.1 光线测量 23
3.2.2 目标外观 25
3.3 初级特征 27
3.3.1 颜色 27
3.3.2 光度颜色不变量 33
3.3.3 梯度和导数 35
3.3.4 拉普拉斯算子 40
3.3.5 运动 41
3.4 中级特征 42
3.4.1 边缘 42
3.4.2 兴趣点与兴趣区域 43
3.4.3 均匀区域 48
3.5 高级特征 52
3.5.1 背景模型 53
3.5.2 目标模型 54
3.6 总结 55
参考文献 55
第4章 目标描述 62
4.1 引言 62
4.2 形状描述 62
4.2.1 基本模型 62
4.2.2 关节模型 64
4.2.3 变形轮廓模型 64
4.3 外观描述 65
4.3.1 模板 66
4.3.2 直方图 68
4.3.3 外观变化的应对 73
4.4 总结 73
参考文献 74
第5章 定位 77
5.1 引言 77
5.2 单假设定位方法 77
5.2.1 梯度跟踪器 77
5.2.2 贝叶斯跟踪和卡尔曼滤波 81
5.3 多假设定位方法 84
5.3.1 网格采样 85
5.3.2 粒子滤波 86
5.3.3 混合方法 89
5.4 总结 95
参考文献 95
第6章 融合技术 98
6.1 引言 98
6.2 融合策略 98
6.2.1 跟踪级融合 98
6.2.2 测量级融合 100
6.3 粒子滤波中的特征融合 102
6.3.1 似然融合 102
6.3.2 多特征重采样 102
6.3.3 特征可靠性 104
6.3.4 时间平滑 107
6.3.5 举例 107
6.4 小结 109
参考文献 109
第7章 多目标管理 112
7.1 引言 112
7.2 量测验证 113
7.3 数据关联 114
7.3.1 最近邻域法 114
7.3.2 图匹配 115
7.3.3 多级假设跟踪 119
7.4 随机有限集的跟踪 121
7.5 概率假设密度滤波 123
7.6 粒子PHD滤波 124
7.6.1 动态观察模型 125
7.6.2 新生和杂波模型 127
7.6.3 重要性采样 127
7.6.4 重采样 128
7.6.5 粒子群 132
7.6.6 例子 135
7.7 小结 139
参考文献 139
第8章 上下文模型 143
8.1 引言 143
8.2 上下文模型的跟踪问题 143
8.2.1 上下文信息 143
8.2.2 上下文的影响 144
8.3 新生和杂波密度估计 146
8.3.1 新生密度 146
8.3.2 杂波密度 151
8.3.3 上下文反馈跟踪 154
8.4 小结 155
参考文献 155
第9章 性能评估 157
9.1 介绍 157
9.2 分析方法与经验方法 158
9.3 地面实况 159
9.4 评价分数 161
9.4.1 定位分数 161
9.4.2 分类分数 163
9.5 跟踪器的对比 166
9.5.1 目标寿命 166
9.5.2 统计学意义 167
9.5.3 重复性 167
9.6 评估协议 168
9.6.1 低级协议 168
9.6.2 高层协议 171
9.7 数据集 175
9.7.1 监控 175
9.7.2 人机交互 179
9.7.3 运动分析 184
9.8 小结 187
参考文献 187
附录A 结果对比 190
A.1 单色直方图与结构直方图 190
A.1.1 实验装置 190
A.1.2 详述 190
A.2 定位算法 195
A.2.1 实验装置 195
A.2.2 详述 196
A.3 多特征融合 200
A.3.1 实验装置 200
A.3.2 可靠性分数 202
A.3.3 自适应与非自适应跟踪 203
A.3.4 计算复杂性 206
A.4 PHD滤波 210
A.4.1 实验装置 210
A.4.2 详述 210
A.4.3 失效模式 213
A.4.4 计算成本 214
A.5 上下文建模 216
A.5.1 实验装置 216
A.5.2 详述 216
参考文献 219
后记 221
延伸阅读 222