本書研究面向強(qiáng)噪聲場景的低秩稀疏學(xué)習(xí)視覺目標(biāo)跟蹤方法�；�于變分法和分?jǐn)?shù)階微積分理論改善強(qiáng)噪聲場景下的視覺信息質(zhì)量問題；基于低秩表示和稀疏表示理論解決目標(biāo)外觀多樣性情況下的表觀建模問題；基于融合LASSO、變分法和分?jǐn)?shù)階微積分理論解決復(fù)雜環(huán)境遮擋帶來的目標(biāo)特征丟失問題和目標(biāo)快速運(yùn)動(dòng)帶來的跟蹤漂移問題；基于反向稀疏表示描述解決跟蹤模型在線學(xué)習(xí)的計(jì)算效率問題。本書可供高等院校自動(dòng)化、計(jì)算機(jī)、電子信息等相關(guān)專業(yè)的本科生和研究生，以及從事計(jì)算機(jī)視覺和數(shù)字圖像處理領(lǐng)域的工程技術(shù)人員和研究人員參考閱讀。