第1章 概述 1
1.1 智能化目标跟踪理论和应用需求 1
1.2 智能化目标跟踪的基本概念 4
1.2.1 目标表观特征 4
1.2.2 目标表观模型 6
1.2.3 目标跟踪搜索策略 11
1.2.4 目标模型更新机制 12
1.3 智能化目标跟踪面临的挑战 12
1.4 本章小结 16
参考文献 16
第2章 智能化目标跟踪基础理论 19
2.1 相关滤波目标跟踪理论 19
2.1.1 基本理论 19
2.1.2 线性岭回归 20
2.1.3 循环矩阵 21
2.1.4 核技巧 23
2.1.5 目标检测 24
2.2 孪生网络目标跟踪理论 25
2.2.1 全卷积孪生网络 25
2.2.2 区域提议孪生网络 27
2.2.3 基于锚框的孪生网络 28
2.2.4 基于区域卷积神经网络的孪生网络 30
2.2.5 基于Transformer的孪生网络 32
2.3 目标跟踪数据集及评价机制 33
2.3.1 目标跟踪数据集 33
2.3.2 评价机制 35
2.4 本章小结 37
参考文献 38
第3章 约束多核相关滤波目标跟踪方法 40
3.1 核化相关滤波目标跟踪 40
3.2 约束多核相关滤波目标跟踪 43
3.2.1 交替方向乘子法优化求解 44
3.2.2 尺度估计及在线更新 47
3.3 实验设置与结果分析 48
3.3.1 实验设置 48
3.3.2 量化评估 49
3.3.3 与核化相关滤波目标跟踪的比较 58
3.4 本章小结 63
参考文献 64
第4章 上下文抑制相关滤波目标跟踪方法 66
4.1 上下文背景生成网络 66
4.1.1 对抗生成上下文实例 66
4.1.2 快速上下文背景生成 69
4.2 上下文抑制相关滤波目标跟踪方法 71
4.2.1 多通道相关滤波目标跟踪器 71
4.2.2 上下文抑制相关滤波目标跟踪器 72
4.2.3 频率域中的优化求解 73
4.2.4 在线跟踪策略 76
4.3 实验设置与结果分析 76
4.3.1 实验设置 76
4.3.2 量化评估 77
4.3.3 消融实验 85
4.3.4 参数分析 86
4.4 本章小结 87
参考文献 88
第5章 注意力迁移学习的孪生网络目标跟踪方法 90
5.1 注意力迁移学习的孪生网络目标跟踪 91
5.2 注意力迁移学习的决策网络 94
5.2.1 交叉相关决策网络 94
5.2.2 实例迁移判别相关滤波决策网络 95
5.2.3 互相补偿决策机制 98
5.3 实验设置与结果分析 99
5.3.1 实验设置 99
5.3.2 量化评估 100
5.3.3 计算速度分析 108
5.3.4 消融实验 108
5.3.5 可视化比较 110
5.4 本章小结 111
参考文献 111
第6章 前景感知孪生网络相关滤波目标跟踪的设计与应用 112
6.1 前景感知孪生网络相关滤波目标跟踪 113
6.1.1 局部有效模板特征注意网络 113
6.1.2 上下文信息约束的模板更新策略 115
6.1.3 前景感知自适应信道选择模块 117
6.2 实验设置与结果分析 119
6.2.1 实验数据集及评价指标 119
6.2.2 实验设置 120
6.2.3 实验结果分析 120
6.3 深度学习的训练样本生成 127
6.3.1 实时双光决策级融合目标跟踪面临的挑战 127
6.3.2 红外图像训练样本的生成 129
6.3.3 样本生成的对抗网络模型 130
6.4 双光决策级融合实时跟踪 132
6.4.1 决策级融合目标跟踪 132
6.4.2 实际测试结果分析 134
6.5 双光决策级融合的目标跟踪性能 137
6.5.1 智能监控系统跟踪数据集 137
6.5.2 跟踪测试与结果分析 139
6.6 本章小结 141
参考文献 142
第7章 深度特征融合的相关滤波目标跟踪的设计与应用 143
7.1 深度特征融合的相关滤波目标跟踪框架 143
7.1.1 多信道深度卷积特征提取 143
7.1.2 自适应特征降维 146
7.1.3 时空正则项相关滤波训练模型 149
7.1.4 相关滤波器优化求解 151
7.1.5 目标尺度估计 153
7.2 实验设置与结果分析 154
7.2.1 仿真实验环境设置 154
7.2.2 综合性能分析 154
7.2.3 不同属性的场景分析 159
7.2.4 消融实验 164
7.3 深度特征融合目标跟踪应用 165
7.3.1 特征级融合跟踪方法 166
7.3.2 决策级融合跟踪方法 167
7.4 仿真实验设置与结果分析 168
7.4.1 实验环境设置 168
7.4.2 数据集 169
7.4.3 融合跟踪方法的实验结果分析 169
7.5 实际场景目标跟踪结果与分析 172
7.5.1 可见光场景目标跟踪 172
7.5.2 红外场景目标跟踪 174
7.6 本章小结 177
参考文献 177
第8章 时空注意力孪生网络目标跟踪的设计与应用 178
8.1 STANet 178
8.1.1 孪生特征提取器 180
8.1.2 C-C RPN 181
8.1.3 S-L RCNN 181
8.2 时空注意力机制 182
8.2.1 时空关系定义 182
8.2.2 时间序列决策专家 183
8.2.3 监督前景检测器 185
8.2.4 状态感知转换器 186
8.2.5 三联体训练 186
8.3 红外目标跟踪应用与分析 187
8.3.1 应用测试设置 187
8.3.2 量化评估 188
8.3.3 不同特征提取器的比较 191
8.3.4 消融实验 192
8.3.5 可视化比较 194
8.4 本章小结 198
参考文献 198
