 |
-- 會員 / 註冊 --
|
 |
|
|
|
運動目標檢測理論與方法 ( 簡體 字) |
| 作者：韓光,才溪,汪晉寬 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 48482
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：1/1/2018 |
| 頁數：192 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 | | ISBN：9787121333095 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：運動目標檢測是綜合了人工智能、模式識別、圖像與信號處理、統計估計等理論技術的交叉型研究領域。作為智能視頻分析的核心技術，運動目標檢測技術是智能視頻分析其他各種后續處理（如目標跟蹤、目標識別、行為分析理解等）的前提和基礎，它可將人們感興趣的運動目標從視頻數據中智能檢測并自動提取分割出來。目前，運動目標檢測技術已廣泛應用于智能視頻監控、智能交通、災情監控、人機交互、醫學運動分析、汽車自動駕駛等領域。
近年來，國內外學者對運動目標檢測的研究已提高了視頻分析的智能化水平。然而，隨著視頻分析應用領域的不斷擴大以及人們對海量數據分析智能性、準確性要求的不斷提高，運動目標檢測在面對越來越多復雜的實際應用場景時仍有許多理論和技術上的關鍵問題有待進一步解決。
作者在總結近年來在運動目標檢測領域取得的研究成果的基礎上，進一步系統深入地研究了運動目標檢測的最新成果和最新方法，分析了運動目標檢測技術現存的關鍵問題，并開展了大量的研究工作力圖解決上述問題。作為研究工作的階段總結，作者將近年來的相關研究成果匯總成冊，構成了本書的主要內容，期望為從事視頻分析、圖像處理、信號處理研究工作的同仁在理論分析方法上提供一些有益的幫助。
全書共分8章，第1章簡要介紹運動目標檢測的基本概念和研究現狀，第2章概述運動目標檢測的經典方法和評價標準，第3章∼第8章分別對基于單像素特征建模、復雜特征建模、多源信息建模、低維子空間分解、盲源信號分離、三維小波變換的運動目標檢測方法展開討論。
本書由韓光、才溪執筆，汪晉寬統稿。本書在寫作過程中參閱和借鑒了大量國內外文獻資料，同時受到了國家自然科學基金（61601108、61701098）資助，在此一并表示衷心的感謝！
由于運動目標檢測技術正在飛速發展，加之作者水平有限，書中難免有疏漏和不足，敬請讀者批評、指正。
著 者
2017年12月 |
內容簡介：本書系統深入地闡述了運動目標檢測的理論與方法，總結了國內外運動目標檢測技術的最新成果和最新進展，其中涵蓋了作者多年來在該領域所取得的科研成果。全書共8章，內容包括運動目標檢測的基本概念和研究現狀、運動目標檢測的經典方法和評價標準，以及基于單像素特征建模、復雜特征建模、多源信息建模、低維子空間分解、盲源信號分離、三維小波變換的運動目標檢測方法。本書可作為視頻分析、圖像處理、信號處理等領域高年級本科生、研究生的參考學習用書，也可供從事相關領域研究的高校教師、科研人員以及從事相關行業的工程技術人員閱讀參考。 |
目錄：第１章 緒論 1
1.1 運動目標檢測研究背景及意義 1
1.2 運動目標檢測技術發展及研究現狀 6
1.3 運動目標檢測的應用難題和研究熱點 11
1.3.1 運動目標檢測的應用難題 11
1.3.2 運動目標檢測的研究熱點 12
1.4 本章小結 13
參考文獻 13
第2章 運動目標檢測概述 18
2.1 運動目標檢測的經典方法 18
2.1.1 幀間差分法 18
2.1.2 光流法 20
2.1.3 背景減除法 21
2.2 運動目標檢測的性能評價 24
2.2.1 主觀評價 25
2.2.2 客觀評價 25
2.3 運動目標檢測的公開數據庫 28
2.4 本章小結 42
參考文獻 42
第3章 基于單像素特征建模的運動目標檢測 45
3.1 相關工作與研究現狀 45
3.2 基于人類視覺亮度敏感性的運動目標檢測算法 46
3.2.1 揭示人類感知規律的韋伯定律 47
3.2.2 適用于復雜圖像背景環境的韋伯比的分析與推導 49
3.2.3 基于人類視覺亮度敏感性的自適應匹配判斷閾值設置 52
3.2.4 算法描述 53
3.2.5 自適應匹配判斷閾值對算法性能的影響分析 55
3.3 實驗結果及分析 56
3.3.1 實驗環境設置 56
3.3.2 定性分析 59
3.3.3 定量分析 63
3.4 本章小結 65
參考文獻 65
第4章 基于復雜特征建模的運動目標檢測 68
4.1 相關工作與研究現狀 68
4.2 基于改進脈沖耦合神經網絡的運動目標檢測算法 69
4.2.1 脈沖耦合神經網絡（PCNN）的基礎理論 70
4.2.2 基于改進脈沖耦合神經網絡的全局特征提取 75
4.2.3 算法描述 79
4.3 實驗結果及分析 80
4.3.1 實驗環境設置 80
4.3.2 定性分析 81
4.3.3 定量分析 88
4.4 本章小結 90
參考文獻 90
第5章 基于多源信息建模的運動目標檢測 93
5.1 相關工作與研究現狀 93
5.2 基于紅外、可見光多源特征融合建模的運動目標檢測算法 94
5.2.1 紅外、可見光多源特征融合的理論基礎和優勢分析 95
5.2.2 算法描述 98
5.3 實驗結果及分析 101
5.3.1 實驗環境設置 101
5.3.2 定性分析 102
5.3.3 定量分析 106
5.4 本章小結 107
參考文獻 108
第6章 基于低維子空間分解的運動目標檢測 109
6.1 相關工作與研究現狀 109
6.1.1 低維子空間分解理論基礎 110
6.1.2 低維子空間分解在運動目標檢測中的應用 111
6.2 基于改進在線魯棒主成分分析的運動目標檢測算法 112
6.2.1 自適應稀疏權重的在線魯棒主成分分析 112
6.2.2 算法描述 116
6.3 實驗結果及分析 120
6.3.1 實驗環境設置 120
6.3.2 定性分析 122
6.3.3 定量分析 126
6.4 本章小結 128
參考文獻 128
第7章 基于盲源信號分離的運動目標檢測 130
7.1 相關工作與研究現狀 130
7.1.1 盲源信號分離理論基礎 131
7.1.2 盲源信號分離在運動目標檢測中的應用 132
7.2 基于約束非線性獨立成分分析的運動目標檢測算法 133
7.2.1 運動目標檢測中的非線性盲源分離問題 133
7.2.2 算法描述 135
7.3 實驗結果及分析 137
7.3.1 實驗環境設置 137
7.3.2 定性分析 138
7.3.3 定量分析 141
7.4 本章小結 142
參考文獻 142
第8章 基于三維小波變換的運動目標檢測 144
8.1 小波變換基礎理論與快速算法 145
8.1.1 一維小波變換 146
8.1.2 三維小波變換 150
8.2 基于三維小波變換的運動目標檢測算法 155
8.2.1 三維小波變換用于運動目標檢測的理論分析 155
8.2.2 算法描述 157
8.2.3 算法優勢分析 159
8.3 實驗結果及分析 162
8.3.1 實驗環境設置 162
8.3.2 定性分析 166
8.3.3 定量分析 177
8.4 本章小結 182
參考文獻 182 |
| 序： |
|
