本书分为语音篇、图像篇和视频篇三部分，分别从三个角度介绍了模式识别方法的应用。在语音篇，首先通过录制与反馈实验研究了语音文本长度对情感识别准确率影响的问题，找到了最适宜录制语音库的文本长度。其次通过同步采集语音信号和生理信号，研究了多模态谎言语音的识别问题。再次对比分析了以Gammatone滤波器的倒谱系数特征(GFCC)为基础的语音识别与梅尔频率倒谱系数(MFCC)的语音情感识别率。最后研究了卷积神经网络(CNN)和卷积循环神经网络(CRNN)在语音情感识别中的识别效果和比对分析。在图像篇，研究了基于深度卷积神经网络智能算法的图像识别问题，并以复合绝缘子憎水性图像为研究对象，对比了新方法与传统方法的检测效率。在视频篇，围绕复杂动态场景下的视频目标跟踪问题开展了深入的研究工作。首先介绍了在线视频跟踪算法的基本框架和本书在实验过程中使用的测评准则及视频数据库。然后针对复杂动态场景下使用固定的特征或特征组合无法对待跟踪目标的表观变化进行准确描述的问题，提出了一种基于特征自适应选择的鲁棒跟踪算法。最后针对传统的均值漂移跟踪算法中目标表观模型单一且缺乏必要的更新策略的问题，提出了一种基于多表观模型的多尺度均值漂移跟踪算法。

第1篇 语音篇
第1章 语音文本长度对情感听觉识别准确率的影响
1.1 研究背景
1.2 情感种类
1.3 情感语音类型
1.4 语音文本长度与情感识别准确率分析
1.4.1 语句文本的准备
1.4.2 录制情感语音
1.4.3 进行听觉测试
1.4.4 语句长度与情感识别准确率分析
1.5 本章小结
第2章 基于语音和生理信号的多模态谎言特征相关性分析
2.1 研究背景
2.2 语音信号特征采集
2.2.1 语音识别系统简介
2.2.2 语音信号的预处理
2.2.3 特征参数提取
2.2.4 谎言语音信号特征的提取流程
2.3 生理信号特征的采集
2.3.1 生理信号特征的基本概念
2.3.2 生理信号特征的采集提取流程
2.4 语音和生理信号多模态特征的相关性分析
2.4.1 定义相关性分数
2.4.2 相关性分析
2.5 本章小结
第3章 基于Gammatone滤波器的混合特征语音情感识别
3.1 研究背景
3.2 语音信号的特征提取
3.2.1 MFCC特征
3.2.2 GFCC特征
3.3 K最近邻分类算法
3.4 基于GFCC融合特征的语音情感识别
3.4.1 预处理
3.4.2 特征选择
3.4.3 半升正弦倒谱提升
3.4.4 语音情感特征向量归一化
3.4.5 基于混合特征的语音情感算法设计
3.5 实验测试分析
3.5.1 基于EMO-DB语音情感数据库的两种混合特征语音情感识别对比
3.5.2 基于自制语音情感数据库的两种混合特征语音情感识别对比
3.6 本章小结
第4章 基于CNN和CRNN的语音情感识别分析对比研究
4.1 研究背景
4.2 语音情感特征提取
4.2.1 梅尔频率倒谱系数(MFCC)及其提取方法
4.2.2 Gammatone频率倒谱系数(GFCC)及其提取方法
4.3 CNN和CRNN的模型结构及运行机制
4.3.1 CNN模型的构建及训练机制
4.3.2 CRNN模型的构建及运行机制
4.3.3 CNN和CRNN模型差异分析
4.4 基于CNN和CRNN的语音情感识别分析
4.4.1 语音情感识别任务分析
4.4.2 实验结果与比对分析
4.5 本章小结
第2篇 图像篇
第5章 基于深度卷积神经网络的图像识别方法研究
5.1 深度学习算法概述
5.2 深度学习的发展现状
5.3 研究背景
5.4 卷积神经网络算法设计
5.4.1 前向传播过程
5.4.2 反向传播过程
5.5 特征提取网络设计
5.6 图像识别结果
5.7 本章小结
第3篇 视频篇
第6章 目标跟踪技术概述
6.1 目标跟踪技术的研究现状
6.1.1 权威学术期刊和会议
6.1.2 国内外研究机构
6.1.3 实际应用
6.2 复杂动态场景下在线视觉目标跟踪研究面临的挑战
6.2.1 目标姿态变化
6.2.2 目标尺度变化
6.2.3 场景光照变化
6.2.4 目标遮挡
6.2.5 杂乱背景干扰
6.2.6 运动模糊
6.3 目标跟踪技术基础知识概述
6.3.1 目标表示和特征提取
6.3.2 运动模型
6.3.3 观测模型
6.3.4 在线更新机制
6.4 目标跟踪相关技术
6.4.1 均值漂移技术
6.4.2 递归贝叶斯滤波技术
6.4.3 稀疏表示理论
6.5 在线视频跟踪的评估准则
6.6 数据库介绍
第7章 基于特征自适应选择的在线视频跟踪算法
7.1 研究背景
7.2 特征池的构造
7.2.1 颜色特征
7.2.2 金字塔梯度方向直方图特征
7.3 基于特征自适应选择的在线视频跟踪研究
7.3.1 基于仿射变换参数的运动模型设计
7.3.2 候选样本的生成
7.3.3 基于在线Boosting的观测模型设计
7.3.4 遮挡检测以及样本集在线更新策略
7.4 实验结果及分析
7.4.1 定性比较结果
7.4.2 定量比较结果
7.4.3 算法的复杂度分析
7.5 本章小节
第8章 基于多表观模型的鲁棒均值漂移跟踪算法
8.1 引言
8.2 基于广义梯度矢量流的均值漂移跟踪算法
8.2.1 目标的表示与定位
8.2.2 广义梯度矢量流特征
8.2.3 基于广义梯度矢量场的在线视频跟踪研究
8.3 基于多表观模型的均值漂移算法
8.3.1 基于稀疏主成分分析的多表观模型的建立
8.3.2 基于多表观模型的目标定位
8.4 实验结果及分析
8.4.1 定性比较结果
8.4.2 定量比较结果
8.5 本章小结
参考文献