本著作对表观模型的特征表达和统计建模方法进行了重点研究，针对现有视觉跟踪算法在实时性、鲁棒性、精确性等方面存在的问题，提出了若干基于判别式表观模型的新算法，主要研究内容包括以下两个方面。 首先，采用超像素作为特征表达方式，在表达能力和计算复杂度之间进行折中，在此基础上，本著作对3种判别式的统计建模方法进行了研究，对应地设计了3种跟踪算法。 然后，以核相关滤波跟踪为判别式跟踪框架，对特征表达进行研究，提出了两种性能优异的跟踪算法。

1 绪论
1.1 研究背景与意义
1.2 目标跟踪算法研究现状
1.3 视觉跟踪算法中表观模型的研究综述
1.4 研究内容与结构安排
2 基于K近邻和多实例学习的超像素跟踪
2.1 背景知识介绍
2.2 采用KNN的超像素跟踪
2.3 采用MIL的超像素跟踪
2.4 跟踪算法评价指标
2.5 实验结果与分析
3 基于在线随机森林的超像素跟踪
3.1 在线随机回归森林
3.2 采用在线随机回归森林的超像素跟踪
3.3 实验结果及分析
4 采用融合特征的核相关滤波跟踪
4.1 背景知识
4.2 相关滤波跟踪算法的框架
4.3 采用融合特征的KCF
4.4 实验及分析
5 基于分层深度特征的分块跟踪
5.1 背景知识
5.2 卷积神经网络
5.3 基于分层深度特征的跟踪
5.4 实验结果与分析
6 总结与展望
6.1 工作总结
6.2 资料研究展望
参考文献