深度学习之多源数据融合的目标检测与跟踪

《深度学习之多源数据融合的目标检测与跟踪》是一本面向深度学习和计算机视觉领域的专业教材。本书涵盖了 RGB-D 人员检测算法、DeepSort 多目标跟踪算法、以及基于非对称孪生网络的多目标跟踪算法等内容，详细讲解了深度传感器和深度图像特性、RGB-D特征融合、以及基于深度信息的目标跟踪和轨迹处理等关键技术和方法。本书针对 RGB 图像在面临光照变化、频繁遮挡、杂乱背景等干扰以及深度图像缺乏场景色彩和语义信息的问题，探讨了通过 RGB 图像及深度图像等多源数据的融合，同时兼顾 RGB 和 Depth 特征的差异和共性进行多目标人员检测和跟踪的研究。提出的算法能够提取有效且通用的RGB-D特征，并通过设计非对称结构的卷积神经网络，确保特征提取效率的同时，减轻卷积神经网络模型的计算复杂度。本书还介绍了基于预训练CNN模型提取人员外观特征、基于卡尔曼滤波预测人员运动状态以及基于轨迹上下文深度差优化的轨迹处理等技术，以及多人员跟踪算法的总体框架、非对称孪生网络的轨迹生成模块设计以及基于时序信息的轨迹优化模块设计等内容。此外，本书通过设计和实现准确高效、对多场景鲁棒的人流量统计系统、人员口罩佩戴情况识别系统，验证了提案的多目标人员检测及跟踪技术的有效性和实用性。