近年来，计算机视觉技术在机器与人的交互、自动驾驶、卫星与航拍图像分析等领域获得了广泛的应用，以目标为中心的视觉内容理解成为现阶段的研究热点，其中基于视觉信息的目标检测与跟踪是相关研究者很关注的方向。本书聚焦基于视觉信息的目标检测与跟踪任务，系统地介绍了其国内外研究现状和进展以及基础理论，并针对其在当前研究中存在的问题提出了相应的改进算法。此外，本书还对基于视觉信息的目标检测与跟踪的发展趋势进行了分析。
本书适合从事计算机视觉、图像处理和模式识别领域的研究人员使用，既可以作为初学者的入门读物，又可以作为相关人员深入研究的参考资料。

目录


第1章绪论1

1.1概述1

1.2基于视觉信息的目标检测与跟踪典型应用场景3

1.2.1文化娱乐领域3

1.2.2医疗健康领域4

1.2.3安防监控领域5

1.2.4遥感分析领域6

1.3基于视觉信息的目标检测与跟踪的国内外研究现状和进展7

1.3.1基于视觉信息的目标检测的研究现状和进展7

1.3.2基于视觉信息的目标跟踪的研究现状和进展17

1.4本章小结24

第2章基于视觉信息的目标检测与跟踪基础25

2.1卷积神经网络基础25

2.1.1卷积神经网络的基本单元25

2.1.2经典的卷积神经网络31

2.1.3卷积神经网络的训练和推理34

2.1.4正则化策略36

2.2典型目标检测算法38

2.2.1双阶段目标检测算法38

2.2.2单阶段目标检测算法43

2.3典型目标跟踪算法46

2.3.1视觉单目标跟踪算法46

2.3.2视觉多目标跟踪算法50

2.4本章小结54

第3章基于视觉信息的目标检测与跟踪数据集与评测指标55

3.1目标检测典型数据集55

3.2目标跟踪典型数据集62

3.3评测指标67

3.3.1目标检测评测指标68

3.3.2目标跟踪评测指标70

本章小结73

基于视觉信息的目标检测与跟踪
｜目录｜
第4章基于视觉信息的目标检测方法74

4.1问题与分析74

4.2基于交并比指引的目标检测算法75

4.2.1交并比指引的候选区域重要性加权75

4.2.2交并比指引的检测框架77

4.2.3线性虚警消减81

4.2.4基于交并比指引的目标检测算法实验结果及分析83

4.3基于候选区域特征自适应表达的目标检测算法90

4.3.1特征自适应选择模块91

4.3.2全局注意力特征选择模块96

4.3.3特征自适应选择子网络97

4.3.4基于候选区域特征自适应表达的目标检测算法实验结果及分析98

本章小结104

第5章基于视觉信息的目标跟踪方法105

5.1问题与分析105

5.2运动引导的孪生网络视觉单目标跟踪算法107

5.2.1基于孪生网络的视觉单目标跟踪算法107

5.2.2运动模型111

5.2.3判别模型112

5.2.4运动引导的孪生网络视觉单目标跟踪算法的整体框架114

5.2.5运动引导的孪生网络视觉单目标跟踪算法实验结果及分析116

5.3两阶段在线视觉多目标跟踪算法125

5.3.1第一阶段在线视觉多目标跟踪算法127

5.3.2第二阶段在线视觉多目标跟踪算法128

5.3.3两阶段在线视觉多目标跟踪算法的整体框架130

5.3.4两阶段在线视觉多目标跟踪算法实验结果及分析132

本章小结139

第6章基于视觉信息的目标检测与跟踪展望140

6.1资源高效的模型140

6.2自监督学习141

6.3小样本学习142

参考文献144