郭文著的《復雜場景的視覺目標跟蹤方法》主要
介紹了當前國內外與跟蹤相關的研究現狀，繫統總結
了作者近些年在跟蹤方面所做的工作，介紹了視覺跟
蹤方面主要的分析思想與相關理論，以及先進的視覺
跟蹤方法。全書分為8章，具體內容為基於視覺關注
度的核跟蹤方法、基於黎曼度量的魚群優化貝葉斯跟
蹤方法、基於不確定性最大置信度提升算法的視覺跟
蹤方法、輔助子空間更新的自適應集成隨機森林跟蹤
方法和低秩重檢測的多特征時空上下文跟蹤方法等在
視覺跟蹤中的應用。
本書可作為自動化、通信與電子、計算機科學等
專業大學本科高年級學生以及計算機視覺與模式識別
專業方向的碩士生與博士生的參考書，也可作為高等
學校大學生和研究生學習機器視覺、圖像處理的參考
書。

第1章 緒論
1.1 視覺目標跟蹤的研究意義與發展前景
1.2 本書的主要研究內容
1.2.1 目標的表觀模型
1.2.2 運動狀態的搜索策略
1.3 本書的結構安排
第2章 目標跟蹤研究現狀綜述
2.1 引言
2.2 目標跟蹤方法的**外綜述
2.2.1 常用的目標表觀模型
2.2.2 常見的目標跟蹤方法
第3章 基於視覺關注度的核跟蹤方法
3.1 引言
3.2 視覺關注度簡介
3.3 基於視覺關注度的均值漂移跟蹤方法
3.3.1 均值漂移跟蹤方法簡介
3.3.2 運動目標視覺關注度檢測
3.3.3 視覺關注度加權的目標定位
3.3.4 遮擋情況的處理
3.4 實驗結果
3.5 本章小結
第4章 基於黎曼度量的魚群優化貝葉斯跟蹤方法
4.1 引言
4.2 人工魚群優化算法
4.2.1 背景與起源
4.2.2 覓食行為
4.2.3 聚群行為
4.2.4 追尾行為
4.3 貝葉斯框架下的跟蹤
4.3.1 通用貝葉斯框架
4.3.2 粒子濾波算法
4.4 基於黎曼度量的魚群優化貝葉斯跟蹤方法
4.4.1 魚群優化的粒子濾波算法
4.4.2 黎曼度量下的目標表觀模型
4.4.3 黎曼度量的魚群優化粒子濾波跟蹤方法
4.5 實驗評估
4.5.1 定性的評估
4.5.2 定量的評估
4.6 本章小結
第5章 基於不確定性*大置信度提升算法的視覺跟蹤方法
5.1 引言
5.2 Boosting算法
5.3 *大置信度提升算法
5.3.1 非確定性標簽提升算法
5.3.2 處理無標簽數據的MCB算法
5.3.3 理論分析
5.4 基於MCB的跟蹤方法
5.4.1 動機與問題描述
5.4.2 跟蹤框架
5.4.3 分類器特征構建與樣本提取
5.5 實驗評估
5.6 本章小結
第6章 輔助子空間*新的自適應集成隨機森林跟蹤方法
6.1 引言
6.2 基於隨機森林的集成跟蹤
6.2.1 在線的隨機森林分類器
6.2.2 前景與背景分類
6.2 13基於自組織的多特征融合目標定位
6.2.4 輔助增量子空間學習的狀態*新
6.3 實驗評估
6.3.1 單特征對比自適應多特征融合
6.3.2 定性與定量評估
6.4 本章小結
第7章 低秩重檢測的多特征時空上下文的視覺跟蹤方法
7.1 引言
7.2 時空上下文跟蹤
7.2.1 上下文先驗表達
7.2.2 空間上下文表達
7.2.3 基於時空上下文的目標定位
7.3 低秩重檢測的多特征時空上下文跟蹤算法
7.3.1 多特征融合的時空上下文目標定位
7.3.2 基於在線低秩濾波器的重定位
7.4 實驗結果分析
7.4.1 實驗細節
7.4.2 實驗評測
7.5 本章小結
第8章 總結與展望
8.1 總結
8.2 研究展望
參考文獻