本书从实际应用角度出发，针对目前计算机视觉领域比较热门的几个研究方向，分别选取整理了几种典型的算法，并且针对非配合环境下视频分析的需求，围绕非配合环境下视频分析的主要痛点问题，开源了一个集成多种视觉算法的“视频智能分析算法平台”， 有助于用户简便直观地分析不同视频智能分析算法的优劣，为科研人员的视频智能分析算法研究工作提供助力。全书共包括9章： 第1章主要讲述了深度学习的基础知识，包括深度学习的发展历程和常用的卷积网络结构、代表性网络架构和深度学习框架。第2至8章主要讲述计算机视觉在不同任务中的应用技术，更加关注于解决一些非配合环境下的复杂实际问题，包括基于深度学习的超分辨重建技术、目标检测、视频多目标跟踪、跨镜行人重识别、行为分析和生理信号提取等智能分析方法以及相应的数据集、评价指标和模型压缩加速的方法。第9章，作者将各个章节所介绍的方法整合到一起，建立一个基于微云服务的视频分析平台，提供第2至8章涉及的智能分析算法，建立具有实战价值的数据集，为学术研究和工程应用提供基础模块和开发工具。 本书可以作为高等院校相关专业本科生和研究生的课程教材，也可以作为研究人员的参考书籍。

徐晓刚，博士，1967年生。之江实验室人工智能研究院研究员。研究方向：信号处理，视频分析。先后主持完成国家重大专项子课题、国家自然科学基金、军队重大专项等项目20余项，发表论文100多篇，曾任多项国家重大专项专家组成员，主持研发的可视化产品和视频分析产品已经应用于百余家单位。

前言 得益于深度学习技术的快速发展以及计算能力和数据的爆发式增长，近些年来人工智能领域迈入了蓬勃发展的时期，并在人脸识别、城市智能交通管理、智慧医疗等诸多领域取得了令人瞩目的成果。其中，视频内容智能分析作为人工智能领域的重要组成部分，在智慧城市的建设中有着极大的应用价值，得到了业界广泛的关注。本书重点涵盖了视频内容智能分析相关技术，旨在帮助人工智能相关方向的学生、技术人员及兴趣爱好者们更好地了解和掌握其中涉及的理论知识，并能够进行深入的应用实践。 视频内容智能分析涉及的内容十分广泛，本书将重点介绍其中的超分辨率重建、目标检测及跟踪、跨镜行人重识别、行为及生理信号分析等方面，并对作者团队在这些技术的基础上所开发的“非配合环境下视频智能分析算法与平台”进行具体讲解。这些核心技术的背后有着诸多经典的机器学习方法和深度学习理论，考虑到这些理论所涉及的专业知识对初学者来说具有一定的困难，本书试图尽可能避免复杂的数学证明和推导，在每章中尽量采用相对通俗易懂的语言来描述具体的应用背景和技术原理。此外，本书还开源了部分实战案例的代码，希望将理论与实践相结合，以更好地让读者理解并掌握其中的技术实现细节。 本书从视频内容智能分析的研究和应用背景开始讲起，然后逐步延伸到其中涉及的几大重要方向，并有选择性地对各个方向的经典思想、技术路线以及最新的方法进行深入介绍。本书紧密结合学术及业界的技术前沿，通过由浅入深、图文并茂的方式，完整地剖析了传统经典理论及深度学习方法在视频内容智能分析领域中各个维度的重要成果，而不仅仅停留在简单的理论阐述和结果展示上。 具体地，本书从以下几个方面来...