针对典型监控场所宽视野场景中行人目标的检测跟踪要求，我们对基于多摄像机协同策略的关注目标检测和跟踪机制进行了研究，从系统组成上分析比较了模拟架构、数字架构和高清网络架构的各自优缺点，并以双摄像协同中的枪球联动机制为例，对具有重合视野的双机联合标定方法进行了探讨，进一步研究了基于DPM的行人目标检测和基于人脸检测的关注目标聚焦机制。在实际应用中需要考虑算法实时性的要求，我们也简要介绍了算法实时性方面的提升策略，一方面论述了轻量化算法设计（包括前端智能化等方面的考量，如基于DSP或者安卓的视频结构化描述的轻量化）；另外一方面则从并行计算的角度，论述GPU计算在这方面的实现。
　　针对监控系统关注人员人脸图像快速检索的需求，我们对人员脸部信息的结构化描述技术进行了研究，将整个监控视频从行人检测、联动跟踪、人脸检测与语义描述全部过程统一在视频结构化描述架构下的高效搜索框架内。值得一提的是，本书注意到深度学习机制在人脸检测方面的最新进展，以安防场景下人脸验证这一实际应用为实例，较为系统地介绍了深度学习框架下的人脸验证功能的实现。
　　此外，考虑到物联网架构下视频监控深度应用日新月异快速发展的现状，我们也简要介绍了毫米波雷达和摄像机联动、多传感器融合与城区场景激光三维建模、无人机的低空视频监控和地面摄像机网络联动等新颖应用，并对近年来热门应用如VR眼镜和现场摄像头之间的视频传输、基于语音控制的摄像机网络调度也进行了概要性的介绍。
　　本书第1章由孙明霞编写，第2章（第1节和第2节）、第3章、第7章（第3节和第4节）、第8章（第2节和第3节）及第10章由颜志国编写，第4章由时勇杰编写，第5章由葛昊编写，第2章（第3节和第4节）及第9章由蔡炬编写，第6章由段慧仙编写，第7章（第1节和第2节）及第8章（第1节）由徐峥编写。全书总体架构、技术框架由梅林设计，全书由颜志国统稿。孙明霞负责全书勘误和部分图表绘制工作，李滇博提供了深度学习人脸验证方面的工作内容，在此一并致谢。本书由上海市经信委“下一代视频监控网络技术研究及应用服务示范建设”项目专项资金支持出版。

　　《多摄像机协同关注目标检测跟踪技术》以视频监控中关注人员目标的精准跟踪识别为抓手，以多摄像机联动协同跟踪技术为主线，以视觉基因组为内核，以视频结构化描述技术体系为筋骨，以视频感知融合主动安防机制的现实应用为脉络，通过枪球联动、空地联动、一体化指挥、大场景全景监控、摄像机语音调度、VR可视化应用等热点应用的系统阐述，形成了对当前视频监控应用热点技术图景式的描绘，从技术细节到宏观应用的分层叠进的探索，使得读者对视频监控网络中的多摄像机协同技术及其融合应用的发展脉络有了一个由表及里的立体直观认识。
　　《多摄像机协同关注目标检测跟踪技术》适宜阅读对象为对多摄像机协同智能视频监控系统有所了解的安防从业技术人员，也可为具备一定的视频结构化分析领域基础知识的科研人员和高年级本科生及研究生提供多摄像机协同跟踪方向较为全面的技术参考。

1 绪论
1．1 视频监控系统的发展
1．1．1 传统视频的不足
1．1．2 智能视频监控的应用
1．1．3 大场景多摄像机协同监控
1．2 视频协同跟踪研究现状
1．3 视频侦查领域的应用需求

2 运动目标检测与跟踪
2．1 运动目标检测
2．1．1 混合高斯建模
2．1．2 光流法
2．1．3 监督学习法
2．2 行人检测算法
2．2．1 头肩模型
2．2．2 DPM模型
2．2．3 行人检测算法评价准则
2．3 跟踪策略分类
2．3．1 点跟踪法
2．3．2 核跟踪法
2．3．3 剪影跟踪法
2．4 常用人体跟踪算法
2．4．1 卡尔曼滤波法
2．4．2 MeanShift算法

3 全景生成及枪球联动
3．1 全景生成技术
3．1．1 静态全景拼接
3．1．2 动态全景拼接
3．2 枪球联动系统简介
3．3 枪球联动系统结构
3．3．1 模拟架构枪球联动
3．3．2 数字高清架构枪球联动
3．3．3 网络高清架构枪球联动
3．4 协同控制策略
3．4．1 目标静止时的协同控制
3．4．2 目标运动时的协同控制
3．4．3 运动状态转换时的协同控制
3．5 “一枪多球”及“多枪一球”

4 人脸检测技术
4．1 人脸检测技术的发展
4．2 常规人脸检测方法
4．2．1 肤色建模
4．2．2 Haar和LBP特征
4．2．3 分类器级联
4．2．4 基于肤色建模与Haar特征的人脸检测
4．3 深度学习框架下的人脸检测
4．3．1 FacenessNet人脸检测算法
4．3．2 SeetaFace人脸检测算法
4．3．3 Faster R-CNN人脸检测算法
4．4 人脸定位与放大
4．5 人脸检测加速技术

5 深度学习机制下的目标识别
5．1 深度学习发展历程
5．2 深度学习主流框架介绍
5．2．1 Caffe
5．2．2 Torch
5．2．3 TensorFlow
5．3 深度学习在人脸检测识别方面的最新进展
5．3．1 科研院所方面的工作
5．3．2 产业方面的工作
5．4 我们的工作
5．4．1 深度学习人脸验证
5．4．2 ImageNet方面的工作
5．4．3 TRECVID方面的工作

6 摄像机标定与图像特征匹配方法研究
6．1 透视摄像机标定方法
6．1．1 传统的摄像机标定方法
6．1．2 摄像机自标定方法
6．2 全景摄像机标定方法
6．2．1 多摄像机联动
6．2．2 鱼眼摄像机标定方法
6．2．3 全向摄像机标定方法
6．3 图像特征匹配方法
6．3．1 特征点匹配
6．3．2 特征直线匹配
6．3．3 重复性纹理图像匹配

7 人员目标结构化描述及检索
7．1 视频结构化描述技术
7．2 视频结构化描述和语义网
7．3 人员信息结构化描述
7．3．1 人员面部信息结构化描述
7．3．2 人员行为模式结构化描述
7．4 个性化检索引擎

8 监控大数据与主动安防体系
8．1 视频监控进入大数据时代
8．1．1 视频大数据的应用难点
8．1．2 基于大数据框架的下一代视频监控系统
8．1．3 基于VSD的监控视频大数据分析
8．2 主动视觉感知融合安防体系
8．2．1 知识图谱
8．2．2 视觉基因组
8．2．3 基于主动视觉融合的安防体系
8．3 语音识别及VR眼镜等新技术的应用

9 视频一体化指挥应用
9．1 发展现状
9．2 立体防控技术解决方案
9．2．1 立体防控技术
9．2．2 大型活动立体防控平台
9．2．3 大型活动立体防控平台应用
9．3 未来工作

10 总结与展望
10．1 本书总结
10．2 领域发展展望
参考文献