前言

随着计算机硬件和人工智能理论的飞速发展，机器视觉的应用领域越来越广，人工智能和机器视觉应用领域的企业数量也快速增长，作为机器视觉热点研究方向之一的目标跟踪技术获得了空前绝后的发展机遇，在智能安防监控、交通流预测、人机交互和医学辅助诊断等领域发出耀眼的光芒。实际应用场景中存在跟踪环境复杂、相似目标干扰和目标遮挡等外在因素，也存在目标自身运行模糊、有形变和尺寸不稳定等内在因素，因此实现目标持续性跟踪具有很大的困难。目标跟踪技术融合了计算机科学与技术、控制科学与工程、信息与通信工程与数学等多学科知识，是涉及内容多、挑战性强、交叉性强、更新速度快且极具前瞻性的研究课题。

目标跟踪是在给定目标的条件下，对视频序列中的兴趣区域进行连续识别与定位的过程，主要包含目标定位、外观模型、运动模型和观测模型等几部分。为了提高目标跟踪方法的泛化能力和健壮性，子空间学习、流形学习、度量空间学习、稀疏学习、多任务学习和深度学习等机器学习策略不断地被引入目标跟踪研究，大大加快了其发展速度。依据不同的分类，目标跟踪技术可以分为：①产生式和判别式跟踪；②短期和长期跟踪；③单目标和多目标跟踪；④自底向上式和自顶向下式跟踪；⑤随机采样式和概率模型式跟踪；⑥基于相关滤波和基于非相关滤波跟踪等多种形式。而不同的形式又具有不同的研究方法，丰富的研究内容和技术难点使得目标跟踪技术具有很大的研究潜力和很高的研究价值。

群智能优化算法（以下简称“群优化算法”）是一种在目标函数解空间中获得最优解的动态迭代优化过程，涉及数据挖掘、人工智能和仿生学等领域的思想和理念，研究内容包含能量函数、迭代策略、步长设计、开发和探索等几个方面。目标跟踪也可以视为在观测模型度量下目标模型和候选目标集合动态匹配以获得最佳候选目标的过程，它使目标跟踪任务转换为优化求解任务具有可行性。因此，分析目标跟踪与群优化算法的关系，解读群优化算法在目标跟踪技术中应用的适应性意义重大，能够促进目标跟踪技术的进一步深入发展。

本书是作者近几年来将群优化算法应用于目标跟踪研究领域成果的积累，主要针对跟踪过程中出现的低帧率、大位移、镜头切换和运动突变等现象，从优化的视角解决跟踪任务，以实现算法的健壮性。全书内容分为9章，系统地介绍了群优化算法的发展及其在目标跟踪中的应用。

本书的特色主要包括：①目前虽有研究目标跟踪的相关文献，但讨论的多是基于外观模型的分析方法，而本书将局部搜索方法、全局搜索方法与步长变化函数有机结合，提出了新的目标跟踪方法，解决了突变运动目标和低帧率视频目标的跟踪问题。②对特定运动状态下的目标跟踪问题，以随机产生、轮盘赌、大步长加小步长等方式避免了局部最优问题，结合概率分布、统计法、仿生学等的相关理论，设计了不同的搜索策略，以覆盖目标运动状态空间，实施特定情况下的目标跟踪。这种方法能够针对跟踪过程中的具体问题设计群优化策略，获得全局最优解，很好地保障了目标跟踪的持续能力。③本书包含许多国内外专家的重要思想及成果，但主要内容是作者近几年来的研究成果（部分研究成果公开发表在国内外重要刊物上，得到了同行专家的认可），研究内容能够给研究目标跟踪的学者提供借鉴和启发，同时也能给从事相关研究的研究生提供参考。

本书对于在计算机科学、自动化、应用数学、人工智能、智能控制系统、通信工程领域从事相关研究的科技工作者和工程技术人员有较高的研究和参考价值，也可作为计算机科学、控制科学与工程、应用数学等相关专业的本科生和研究生的教材及教师的教学参考书。

在本书的编写和出版过程中，中央民族大学杨国胜教授，上海交通大学胡士强教授，郑州轻工业大学王延峰和张建伟教授、张杰讲师及研究生张秀娇、高增、陈键、聂国豪和程利云等人提供了很多帮助，并提出了许多宝贵意见和建议，在此表示衷心的感谢！最后，谨以此书献给所有关心、支持和帮助过本书出版的朋友和同人。

本书的研究得到国家自然科学基金面上项目（61873246、61672471）、国家自然科学基金-河南联合基金重点项目（U1804262），国家自然科学基金青年项目（61603347、61702464、61703373）、河南省高校科技创新团队项目（19IRTSTHN013）及郑州轻工业大学重点学科建设资助项目的资助，在此表示感谢！

鉴于作者的水平有限，书中难免有疏漏与不妥之处，热忱欢迎广大读者批评指正。

郑州轻工业大学 张焕龙

2020年2月