本书深度探索了多目标人员检测与跟踪领域的前沿技术，旨在解决RGB图像易受光照、遮挡、背景干扰及深度图像信息不足等挑战。作者通过融合RGB图像与深度图像等多源数据，创新性地提出了一系列算法，以兼顾两类特征的差异与共性，从而提升人员检测与跟踪的准确性和鲁棒性。 书中详细阐述了基于全局上下文信息与知识蒸馏的RGB人员检测算法，该算法能够有效利用全局上下文信息，通过知识蒸馏技术提升检测性能。同时，作者还提出了基于非对称自适应特征融合的RGB-D人员检测算法，该算法通过非对称结构实现RGB与深度图像特征的有效融合，进一步提升检测精度。此外，基于非对称孪生网络的多目标跟踪算法也是本书的一大亮点，该算法能够在复杂场景下实现多目标的稳定跟踪。 本书内容翔实、逻辑清晰，既适合作为信息技术相关专业学生的教材，为他们提供全面、深入的理论知识和实践指导；同时也为图像处理、计算机视觉、深度学习等领域的研究人员提供了宝贵的参考和启示。通过阅读本书，读者将能够深入了解多目标人员检测与跟踪技术的最新进展，掌握相关算法的原理和实现方法，为相关领域的研究和应用打下坚实的基础。

第1章 绪论
1.1 本书背景
1.2 国内外研究现状
1.3 本书内容与主要贡献
1.4 本书的结构安排
第2章 成像传感器及特性
2.1 引言
2.2 成像传感器介绍
2.3 深度图像特性
2.4 本章小结
第3章 基于全局上下文信息与知识蒸馏的RGB人员检测算法
3.1 算法总体架构
3.2 双边滤波MSRCR图像增强
3.3 基于全局上下文融合与视觉注意力的密集人脸检测
3.4 面向人脸检测的知识蒸馏轻量化方法
3.5 实验结果分析
3.6 本章小结
第4章 基于非对称自适应特征融合的RGB-D人员检测算法
4.1 算法总体架构
4.2 非对称RGB-D双流网络设计
4.3 深度特征金字塔结构设计
4.4 多模态自适应通道加权模块设计
4.5 多分支预测网络设计
4.6 实验结果分析
4.7 本章小结
第5章 基于非对称孪生网络的多目标跟踪算法
5.1 多目标跟踪算法总体框架
5.2 基于非对称孪生网络的轨迹生成模块设计
5.3 基于时序信息的轨迹优化模块设计
5.4 实验结果分析
5.5 本章小结
第6章 应用系统案例
6.1 基于RGB的密集人群场景的人脸检测系统
6.2 基于RCB-D的室内人员口罩佩戴情况识别系统
6.3 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献