目标跟踪中的群智能优化方法

全书内容分为9章，系统地介绍了群智能优化方法的发展及其在目标跟踪中的应用，包括基于标准群智能优化算法的目标跟踪（第3～4章）、基于改进群智能优化算法的目标跟踪（第5～6章）、基于混合群智能优化算法的目标跟踪（第7～8章）及基于群优化算法的目标跟踪方法的比较分析（第9章）。第1章为绪论；第2章介绍了优化算法与目标跟踪的关系；第3章介绍了基于SCA算法的目标跟踪方法；第4章介绍了基于飞蛾-火焰算法的目标跟踪方法；第5章讨论了基于改进布谷鸟搜索算法的目标跟踪方法；第6章给出了基于改进蚱蜢优化算法的目标跟踪方法；第7章给出了基于改进蚁狮优化算法的目标跟踪方法；第8章给出了基于混合AWOA-DE算法的目标跟踪方法；第9章给出了基于群优化算法的目标跟踪方法的比较分析。

这是一本系统介绍群智能优化方法在目标跟踪领域应用的专业书籍。全书内容分为九章，系统地介绍了群智能优化方法的发展及其在目标跟踪中的应用，包括基于标准群智能优化算法的目标跟踪(第3～4章)、基于改进群智能优化算法的目标跟踪(第5～6章)、基于混合群智能优化算法的目标跟踪(第7～8章)及基于群优化算法的目标跟踪方法的比较分析(第9章)。 在目标跟踪技术的挑战方面，本书详细介绍了目标跟踪技术的挑战主要来源于跟踪过程中遇到的各种复杂情况，如遮挡、光线变化、尺度变化、运动模糊等，以及针对无人机跟踪目标产生的高速运动测试数据。为了应对这些挑战，研究者们建立了大量的目标跟踪测试数据库，这些数据库从早期的50个到当前的366个，从几秒的短视频到几分钟的长视频，越来越精细，同时也越来越具有挑战性。 在元启发式优化算法介绍方面，本书阐述了元启发式优化算法介绍，元启发式优化算法是一种模拟自然现象和生物行为的优化算法。这些算法通过模拟生物的觅食、繁殖、迁徙等行为，来寻找问题的最优解。元启发式优化算法在处理包含许多因素(如不确定性、复杂性和不稳定性等)的现实问题上具有很高的有效性，因此被广泛应用于各种领域，如