視覺跟蹤是一個計算器視覺領(lǐng)域內(nèi)的基本任務(wù)，該任務(wù)在自動駕駛、智能監(jiān)控、人機交互以及醫(yī)學(xué)成像等多種運用中具有很高的實用價值，因此大量的研究力量被投入其中。然而，在真實的對象跟蹤場景中，視頻目標跟蹤往往會由于復(fù)雜場景條件和目標運動的隨機性，目標物體經(jīng)常出現(xiàn)光照變化、旋轉(zhuǎn)、伸縮、遮擋、曝光不足、背景變化、運動的復(fù)雜性和隨機性等因素，這些都會使得對象跟蹤變得非常困難。雖然對象跟蹤算法已經(jīng)取得了豐碩的研究成果，但在理論和應(yīng)用上也存在著不完善和待解決的問題。在此背景下，研究復(fù)雜場景下的對象跟蹤算法在理論和應(yīng)用方面都具有非常重要的意義。本書從神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)出發(fā)，較為系統(tǒng)和深入介紹了深度學(xué)習(xí)算法的發(fā)展以及在對象跟蹤方面的應(yīng)用。全書介紹了對象跟蹤系統(tǒng)的基本框架，對象跟蹤的基本理論和圖像處理算法，并融入了作者提出的新穎算法，對現(xiàn)有的模型進行優(yōu)化，結(jié)合真實對象跟蹤場景特性，探究新的網(wǎng)絡(luò)結(jié)構(gòu)模型，從而提高基于深度學(xué)習(xí)的對象跟蹤算法的性能和跟蹤效率。