新書推薦：
《
春日喜你
》
售價：HK$
55.0
《
我们八月见
》
售價：HK$
46.0
《
东线炼狱 : 德国反坦克兵的东线日记 : 1941—1942
》
售價：HK$
94.2
《
献给皇帝的礼物：Wedgwood瓷器王国与漫长的十八世纪
》
售價：HK$
127.4
《
东京札记
》
售價：HK$
151.0
《
大学问·明代国家权力结构及运行机制
》
售價：HK$
139.2
《
蹇蹇录：甲午战争外交秘录
》
售價：HK$
57.8
《
佛教文化十八讲
》
售價：HK$
89.7
|
| 內容簡介： |
|
《基于视觉的运动目标检测跟踪》主要研究内容为基于计算机视觉、数字图像处理、数字视频处理等理论，实现视频中运动目标的检测跟踪。根据视觉感知环境将研究内容分为单目、双目和多目视觉下的运动目标检测和跟踪。在单目视觉下，分别针对静止背景下的可见光视频中的目标检测跟踪、红外小目标的检测跟踪及动态背景下运动目标检测跟踪进行了研究，给出了运动目标检测、位置预测及模板匹配的跟踪思路和方法。此外，结合机器学习技术的广泛应用，针对目标长时在线跟踪中的漂移问题、尺度变换问题及目标精确定位问题，研究了机器学习的方法。在双目和多目视觉下，结合多摄像机之间的空间位置关系，就多目标跟踪中的三维跟踪、融合跟踪等技术进行了研究，并就其在多目视觉下基于标记点的运动捕获这一具体应用中的实现进行了研究，解决了其中的遮挡、运动机动性、数据融合等问题。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 研究意义 11.2 国内外研究进展 21.2.1 单目视觉下的目标检测跟踪 21.2.2 双目及多目视觉下的目标跟踪 41.2.3 机器学习与目标跟踪 51.3 研究框架 17第2章 多视视频处理软硬件平台 202.1 多视图像、视频同步采集硬件环境 202.2 软件环境 222.3 本章小结 28第3章 多摄像机标定及三维坐标恢复 293.1 摄像机成像模型 293.2 摄像机标定 323.3 张氏标定算法 343.3.1 原理推导 343.3.2 畸变模型 383.3.3 标定算法流程 383.3.4 标定实验结果 393.4 三维重建算法 413.5 本章小结 46第4章 视频中的多运动目标检测 474.1 结合瞬时差分和背景差分的运动目标检测 474.2 基于形态学处理的标记点检测 494.3 基于Harris角点检测的标记点检测 524.4 基于迭代阈值的标记点检测 534.5 本章小结 55第5章 红外小目标检测 565.1 奇异值分解基本原理 575.2 粒子滤波基本原理 585.3 基于奇异值分解的背景抑制和粒子滤波的红外小目标检测 605.3.1 背景抑制 605.3.2 目标位置预测 635.3.3 算法实现 645.4 实验结果与分析 655.5 本章小结 67第6章 运动背景下目标检测 686.1 基于特征点匹配的图像匹配 696.1.1 特征点匹配 696.1.2 实验结果与分析 716.2 基于相邻帧间背景匹配的目标检测 726.2.1 运动背景图像匹配 736.2.2 运动目标检测和提取 756.2.3 实验结果与分析 766.3 基于离散化摄像机运动的目标检测方法 776.3.1 运动摄像机视野范围的离散化 776.3.2 摄像机静止情况下的运动目标实时检测和跟踪 776.3.3 摄像机调度 796.3.4 随动跟踪 806.3.5 实验结果与分析 816.4 本章小结 81第7章 扩展卡尔曼滤波与均值漂移结合的目标跟踪 837.1 基于均值漂移的目标跟踪 837.2 目标特征匹配与卡尔曼滤波更新 857.3 改进的均值漂移目标跟踪算法 877.4 实验结果与分析 887.5 本章小结 89第8章 基于多子块模型的长时在线目标跟踪 908.1 在线目标跟踪框架 908.2 可信赖子块 978.2.1 序列化的蒙特卡洛框架 988.2.2 子块的可跟踪性度量 998.2.3 子块与整体目标的关系 1008.3 可信赖子块跟踪器 1018.4 线性回归与循环移位 1038.4.1 线性回归模型 1038.4.2 循环移位 1048.4.3 循环矩阵 1058.5 核空间的岭回归 1068.6 融合可信赖子块与核相关滤波的目标跟踪 1078.7 实验结果与分析 1098.7.1 实验设置 1098.7.2 定量评估与分析 1108.8 本章小结 114第9章 基于多轨迹分析的长时在线目标跟踪 1159.1 带核的结构化输出跟踪 1159.2 多跟踪器分析 1179.2.1 多跟踪器 1179.2.2 轨迹分析 1189.2.3 最优跟踪轨迹选择 1229.3 实验结果与分析 1239.3.1 实验设置 1239.3.2 定量评估与分析 1239.4 本章小结 126第10章 基于去冗余卷积特征的相关滤波跟踪 12810.1 基于相关滤波的多通道特征 12910.1.1 密集采样 12910.1.2 多通道特征 13010.2 卷积特征去冗余 13210.2.1 特征通道的激活强度 13310.2.2 基于激活强度的特征通道去冗余 13510.3 多层次卷积特征的综合应用 13710.3.1 卷积特征的尺度归一化 13710.3.2 基于多层次卷积特征的目标定位策略 13810.4 目标的尺度估计 14210.5 算法框架及流程 14310.6 实验结果与分析 14410.6.1 实验设置 14410.6.2 对比实验分析 14610.7 本章小结 154第11章 基于全卷积孪生网络的多模板匹配跟踪 15611.1 全卷积孪生网络 15611.1.1 孪生网络结构 15611.1.2 基于全卷积孪生网络的相似度量 15711.1.3 网络训练 15811.2 多模板匹配跟踪 15911.2.1 多模板匹配 15911.2.2 多模板的选择与更新 16011.2.3 增量式的更新计算 16111.3 算法框架及流程 16311.4 实验结果与分析 16411.4.1 实验设置 16411.4.2 对比实验与分析 16611.5 本章小结 175第12章 双目视觉下无明显特征区分的多目标三维跟踪 17612.1 基于卡尔曼滤波器的三维跟踪 17612.1.1 基于卡尔曼滤波器的目标跟踪 17612.1.2 目标搜索匹配 17712.1.3 目标更新 17912.2 基于平行光轴摄像机外极线约束的立体匹配 17912.2.1 外极线约束原理 17912.2.2 平行光轴摄像机的外极线约束 18112.2.3 无明显特征区分的多标记点立体匹配 18212.3 平行双目视觉中结合外极线约束的跟踪 18412.4 结合人体关节点骨骼长度约束的异常处理 18812.5 本章小结 190第13章 双目视觉下的机动目标跟踪 19213.1 灰色预测模型 19213.2 卡尔曼滤波和灰色预测结合的三维目标跟踪 19613.2.1 标记点检测 19613.2.2 标记点匹配 19813.2.3 算法框架 19913.3 实验结果与分析 20013.4 本章小结 203第14章 多目视觉下多目标融合跟踪 20514.1 多目视觉跟踪系统结构 20614.2 新标记点的数据关联算法 20814.3 标记点融合跟踪算法 21014.4 实验结果与分析 21114.5 本章小结 216第15章 基于拓扑结构保持的多目跟踪 21815.1 扩展卡尔曼滤波器与自组织特征映射网络结合的三维跟踪 21815.2 基于主成分分析的自动初始化算法 21915.3 基于自组织特征映射网络的匹配策略 22215.4 实验结果与分析 22615.5 本章小结 229参考文献 230彩图
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
