圖像目標(biāo)跟蹤技術(shù)

內(nèi)容概要

　　《圖像目標(biāo)跟蹤技術(shù)》系統(tǒng)闡述了圖像目標(biāo)跟蹤的有關(guān)概念、原理和方法，共分9章，第1章介紹圖像目標(biāo)跟蹤的意義、應(yīng)用及分類，第2章介紹非線性優(yōu)化序貫擬蒙特卡洛濾波，第3章介紹融合背景信息的序貫擬蒙特卡洛濾波目標(biāo)跟蹤，第4章討論基于概率圖模型的粒子濾波多目標(biāo)跟蹤，第5章介紹基于序貫擬蒙特卡洛濾波的多攝像機(jī)目標(biāo)跟蹤，第6章介紹基于信息融合技術(shù)的目標(biāo)跟蹤，第7章討論受機(jī)械參數(shù)影響的多攝像機(jī)深度估計(jì)，第8章介紹基于自適應(yīng)多信息融合的均值漂移紅外目標(biāo)跟蹤，第9章介紹融合均值漂移和粒子濾波優(yōu)點(diǎn)的實(shí)時(shí)目標(biāo)跟蹤。本書是圖像目標(biāo)跟蹤方面的專著，反映作者近年來(lái)在這一領(lǐng)域的主要研究成果。
　　《圖像目標(biāo)跟蹤技術(shù)》內(nèi)容新穎，理論聯(lián)系實(shí)際，可作為大專院校及科研院所圖像處理、計(jì)算機(jī)視覺(jué)和視頻處理等領(lǐng)域的高年級(jí)本科生、研究生的教學(xué)和參考用書，也可供相關(guān)領(lǐng)域的教師、科研人員及工程技術(shù)人員作參考。

書籍目錄

第1章　緒論　
1.1　圖像目標(biāo)跟蹤的意義和應(yīng)用　
1.2　單攝像機(jī)目標(biāo)跟蹤　
1.2.1　目標(biāo)表示模型　
1.2.2　目標(biāo)動(dòng)態(tài)模型　
1.2.3　目標(biāo)狀態(tài)估計(jì)模型　
1.3　多攝像機(jī)目標(biāo)跟蹤　
1.3.1　目標(biāo)匹配　
1.3.2　攝像機(jī)標(biāo)定及拓?fù)潢P(guān)系估計(jì)　
1.3.3　數(shù)據(jù)關(guān)聯(lián)　
1.4　紅外圖像中目標(biāo)的跟蹤　
1.5　智能視頻監(jiān)控系統(tǒng)　
1.5.1　智能視頻監(jiān)控的背景和意義　
1.5.2　智能視頻監(jiān)控系統(tǒng)　
參考文獻(xiàn)　
第2章　非線性優(yōu)化序貫擬蒙特卡洛濾波　
2.1　引言　
2.2　基于貝葉斯框架的跟蹤問(wèn)題描述　
2.2.1　貝葉斯濾波的蒙特卡洛實(shí)現(xiàn)　
2.2.2　貝葉斯濾波的擬蒙特卡洛實(shí)現(xiàn)　
2.3　非線性優(yōu)化序貫擬蒙特卡洛濾波　
2.3.1　信賴域方法　
2.3.2　基于信賴域的序貫擬蒙特卡洛濾波算法　
2.4　實(shí)驗(yàn)與分析　
2.4.1　非線性動(dòng)態(tài)模型　
2.4.2　二維點(diǎn)目標(biāo)跟蹤中的應(yīng)用　
參考文獻(xiàn)　
第3章　融合背景信息的序貫擬蒙特卡洛濾波目標(biāo)跟蹤　
3.1　引言　
3.2　協(xié)方差特征　
3.2.1　基于積分圖的協(xié)方差特征快速計(jì)算方法　
3.2.2　協(xié)方差特征的基本性質(zhì)　
3.2.3　基于協(xié)方差特征的目標(biāo)表觀和背景模型　
3.3　融合背景信息的序貫擬蒙特卡洛濾波目標(biāo)跟蹤算法　
3.3.1　融合背景信息的粒子權(quán)重估計(jì)　
3.3.2　目標(biāo)匹配方法和表觀模型更新策略　
3.4　實(shí)驗(yàn)與分析　
3.4.1　實(shí)驗(yàn)1　
3.4.2　實(shí)驗(yàn)2　
3.4.3　實(shí)驗(yàn)3　
參考文獻(xiàn)　
第4章　基于概率圖模型的粒子濾波多目標(biāo)跟蹤　
4.1　引言　
4.2　概率圖模型　
4.2.1　圖論的基本概念　
4.2.2　無(wú)向概率圖模型　
4.3　基于概率圖模型的粒子濾波多目標(biāo)跟蹤算法　
4.3.1　多目標(biāo)概率圖模型建?！?br />4.3.2　概率圖模型推理　
4.3.3　目標(biāo)空間特征建?！?br />4.3.4　基于概率圖模型的粒子濾波算法　
4.4　實(shí)驗(yàn)與分析　
參考文獻(xiàn)　
第5章　基于序貫擬蒙特卡洛濾波的多攝像機(jī)目標(biāo)跟蹤　
5.1　引言　
5.2　基于貝葉斯理論的多攝像機(jī)目標(biāo)跟蹤建?！?br />5.2.1　系統(tǒng)描述　
5.2.2　后驗(yàn)概率推導(dǎo)　
5.3　多攝像機(jī)單應(yīng)約束原理　
5.3.1　單應(yīng)約束矩陣計(jì)算原理　
5.3.2　基于RANSAC的單應(yīng)矩陣計(jì)算方法　
5.4　基于序貫擬蒙特卡洛濾波的多攝像機(jī)目標(biāo)跟蹤算法　
5.4.1　目標(biāo)表觀建?！?br />5.4.2　似然性　
5.4.3　自適應(yīng)重要性采樣　
5.5　實(shí)驗(yàn)與分析　
5.5.1　實(shí)驗(yàn)1　
5.5.2　實(shí)驗(yàn)2　
5.5.3　實(shí)驗(yàn)3　
參考文獻(xiàn)　
第6章　基于信息融合技術(shù)的目標(biāo)跟蹤　
6.1　引言　
6.2　監(jiān)控視頻信息融合　
6.2.1　信息融合基本概念　
6.2.2　視頻信息融合結(jié)構(gòu)　
6.2.3　視頻信息融合方法　
6.3　基于多信息融合的粒子濾波目標(biāo)跟蹤　
6.3.1　基于貝葉斯估計(jì)的目標(biāo)跟蹤框架　
6.3.2　粒子濾波理論　
6.3.3　基于多信息融合的粒子濾波目標(biāo)跟蹤算法　
6.3.4　提出算法的具體步驟　
6.3.5　實(shí)驗(yàn)與分析　
6.4　多攝像機(jī)融合跟蹤　
6.4.1　多攝像機(jī)融合系統(tǒng)　
6.4.2　多攝像機(jī)數(shù)據(jù)融合　
6.4.3　系統(tǒng)設(shè)計(jì)與仿真　
參考文獻(xiàn)　
第7章　受機(jī)械參數(shù)影響的多攝像機(jī)深度估計(jì)　
7.1　引言　
7.2　立體視覺(jué)模型　
7.3　不同機(jī)械參數(shù)誤差下的深度估計(jì)模型　
7.3.1　攝像機(jī)畸變　
7.3.2　攝像機(jī)平移　
7.3.3　攝像機(jī)旋轉(zhuǎn)　
7.3.4　攝像機(jī)上下傾斜　
7.3.5　攝像機(jī)左右偏轉(zhuǎn)　
7.3.6　多個(gè)誤差同時(shí)發(fā)生　
7.4　實(shí)驗(yàn)與分析　
7.4.1　特征點(diǎn)匹配　
7.4.2　參數(shù)d、α和β的估計(jì)　
7.4.3　參數(shù)γ的估計(jì)　
7.4.4　實(shí)驗(yàn)結(jié)果　
7.4.5　討論分析　
參考文獻(xiàn)　
第8章　基于自適應(yīng)多信息融合的均值漂移紅外目標(biāo)跟蹤　
8.1　引言　
8.2　Mean Shift理論　
8.2.1　Mean Shift向量　
8.2.2　基于核函數(shù)直方圖的均值漂移目標(biāo)跟蹤算法　
8.2.3　基于概率分布圖的均值漂移目標(biāo)跟蹤算法　
8.3　基于自適應(yīng)多信息融合的均值漂移紅外目標(biāo)跟蹤算法　
8.3.1　新的紅外人體目標(biāo)模型　
8.3.2　提出的目標(biāo)跟蹤算法　
8.4　實(shí)驗(yàn)與分析　
8.4.1　提出的算法和基于灰度信息均值漂移算法的比較　
8.4.2　自適應(yīng)多信息融合算法和固定權(quán)值多信息融合算法比較　
8.4.3　遮擋問(wèn)題的處理　
8.4.4　改進(jìn)算法的效率分析　
參考文獻(xiàn)　
第9章　融合均值漂移和粒子濾波優(yōu)點(diǎn)的實(shí)時(shí)目標(biāo)跟蹤　
9.1　引言　
9.2　融合均值漂移和粒子濾波優(yōu)點(diǎn)的實(shí)時(shí)彩色目標(biāo)跟蹤　
9.2.1　改進(jìn)的融合顏色和運(yùn)動(dòng)信息的目標(biāo)模型　
9.2.2　改進(jìn)的均值漂移算法　
9.2.3　本節(jié)算法的具體實(shí)現(xiàn)　
9.2.4　實(shí)驗(yàn)與分析　
9.3　融合均值漂移和粒子濾波優(yōu)點(diǎn)的實(shí)時(shí)紅外目標(biāo)跟蹤　
9.3.1　改進(jìn)的融合灰度和運(yùn)動(dòng)信息的目標(biāo)模型　
9.3.2　改進(jìn)的均值漂移算法　
9.3.3　本節(jié)算法的具體實(shí)現(xiàn)　
9.3.4　實(shí)驗(yàn)與分析　
參考文獻(xiàn)　

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    圖像目標(biāo)跟蹤技術(shù) PDF格式下載

---