智能安防新技術——大空間建筑中基于視頻的步態分析( 簡體 字) | |
| 作者：張德,胡懋地 | 類別：1. -> 程式設計 -> 綜合 |
| 出版社：電子工業出版社 |  3dWoo書號： 43881詢問書籍請說出此書號！ 有庫存 NT售價： 245 元 |
| 出版日：4/1/2016 | |
| 頁數：200 | |
| 光碟數：0 | |
站長推薦：   | |
| 印刷：黑白印刷 | 語系： ( 簡體 字 ) |
| ISBN：9787121282348 | 加入購物車 │加到我的最愛 (請先登入會員) |
| (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, 繁體書的下載亦請直接連絡出版社) | |
第1章 緒 論 1
1.1 步態分析概述 1 1.1.1 步態分析的發展背景 1 1.1.2 步態識別的國內外研究現狀 6 1.1.3 步態特征分析綜述 15 1.2 大空間建筑中的步態分析 25 1.3 本書主要內容及結構 30 1.4 本章小結 32 第2章 基于步態的性別識別 33 2.1 多尺度形狀特征和混合條件隨機場 33 2.1.1 步態的多尺度形狀特征提取 34 2.1.2 基于局部線性嵌入的步態狀態提取 36 2.1.3 混合條件隨機場模型及其參數估計 39 2.1.4 實驗結果與分析 41 2.2 Gabor-MMI特征 50 2.2.1 基于Gabor濾波和最大化互信息量的特征提取 51 2.2.2 固定視角下的性別分類 53 2.2.3 未知視角下的性別分類 55 2.2.4 實驗結果與分析 57 2.3 步態主成分圖特征 61 2.3.1 步態主成分圖特征的提取 62 2.3.2 基于特征匹配的性別分類 63 2.3.3 實驗結果與分析 64 2.4 本章小結 65 第3章 基于步態的年齡分類 67 3.1 年齡相關特征提取 67 3.2 隱馬爾可夫模型的應用 69 3.2.1 隱馬爾可夫模型概述 69 3.2.2 應用框架 71 3.3 實驗結果與分析 75 3.4 本章小結 76 第4章 單視角步態身份識別 77 4.1 步態光流特征提取 77 4.2 增量隱馬爾可夫模型及其參數估計 80 4.3 增量混合高斯回歸模型及其參數估計 83 4.4 基于光流特征和增量模型的行人檢測和身份識別 85 4.5 實驗結果與分析 88 4.6 本章小結 98 第5章 多視角步態身份識別 99 5.1 多視角步態序列同步 99 5.2 基于狀態一致模型的步態狀態提取 101 5.3 投影模型的訓練和識別 103 5.4 實驗結果與分析 104 5.5 本章小結 109 第6章 步態視角估計 111 6.1 基于魯棒回歸的視角估計 111 6.1.1 視角敏感性特征提取 112 6.1.2 魯棒回歸分析 116 6.1.3 實驗結果與分析 118 6.2 視角估計在性別分類上的應用 126 6.2.1 實驗設計 126 6.2.2 實驗結果與分析 127 6.3 本章小結 128 第7章 步態和人臉的融合 129 7.1 不同視角步態的性別分類能力比較 129 7.1.1 步態特征提取 129 7.1.2 類可分離度分析 135 7.1.3 支持向量機分類 137 7.1.4 實驗結果與分析 140 7.2 基于多視角步態與正面人臉融合的性別分類 141 7.2.1 多特征信息融合系統框架 142 7.2.2 步態和人臉特征提取 144 7.2.3 融合策略 146 7.2.4 實驗結果與分析 148 7.3 基于多視角步態融合的種族分類 149 7.3.1 步態特征提取 149 7.3.2 基于多線性主元分析的特征層融合 151 7.3.3 實驗結果與分析 153 7.4 基于側面視角步態和正面人臉融合的種族分類 157 7.4.1 步態和人臉特征提取 157 7.4.2 基于典型相關分析的特征層融合 158 7.4.3 實驗結果與分析 160 7.5 本章小結 162 第8章 總結與展望 164 參考文獻 168 本書基于視頻的行人步態識別，從行人步態和人臉融合識別兩大方面對大空間建筑急速發展背景下的智能視頻監控技術作了深入的闡述。本書重點介紹了步態識別的國內外研究現狀、基于步態的性別識別、基于步態的年齡分類、單視角步態身份識別、多視角步態身份識別、步態視角估計、步態與人臉的融合等技術，對智能視頻監控的技術發展具有很強的前瞻性參考價值。本書可作為計算機、自動化等專業的本科生、研究生及相關工作人員的參考用書。
現代社會中，公共場合下的安全形勢日益嚴峻，如何確保公眾安全越來越成為人們關心和矚目的話題。像銀行、機場和大型商場等具有大空間建筑特點的公共場所有著不斷增長的智能監控需求，即自動確定或者驗證人的身份。傳統的身份驗證系統包括基于知識的（Knowledge-based，如密碼等）和基于擁有物的（Possession-based，如鑰匙、身份證等）。
眾所周知，傳統的身份驗證系統存在很多缺陷，如容易丟失、遺忘、易被復制和篡改等。日益興起的生物特征識別系統則能有效克服這些缺點，它通過利用人們所特有的、區別于其他人的生物特征來特定標識一個人。生物特征是一個人專屬的特征信息，不會丟失和遺忘。而且，一般情況下一個人的生物特征不可能被完全復制。目前常被用于身份驗證系統的生物特征包括：DNA、牙形、虹膜、指紋、掌紋、手部靜脈、手型、臉像、紅外臉溫譜、耳形、顱骨、聲音、簽名、筆跡、步態等。這些特征都是人自身固有的，非常可靠，只能模仿卻不能復制。 本書所關注的出現在監控視頻中的行人步態（Gait），即人行走時的姿態，是一種新興的生物特征。早期的醫學研究表明：步態是一個獨特的個性化特征，擁有韻律，并且本質上周期性的。步態與其他生物特征相比較，具有四點優勢：一是非侵犯性 ，即在步態信息獲取過程中，被采集者保持其自然的行走過程即可，而無須與被采集人任何身體部位發生接觸，也無須保持某種特定姿勢。二是非感知性，即可以在被采集人毫無察覺的情況下完成步態信息獲取，這在監控場景中具有十分重要的意義。三是遠距離識別，即步態信息能在遠距離獲取，即使是在低分辨率下，步態特征仍能提供豐富和有效的信息進行身份識別和狀態分類。四是難于隱藏，即臉部信息可以通過化妝改變，指紋、掌紋等都可以通過整形手段改變。而在自然情況下，人們走路的姿勢是不受自己控制的，是一種下意識的行為。主觀控制走路姿勢，將會使得行走姿勢不協調，從而容易被系統檢測出來。 美國國防高級研究項目署（Defense Advanced Research Projects Agency，DARPA）于1997年啟動了一個重大的視覺監控項目——VSAM（Visual Surveillance and Monitoring），其目標是研發自動智能視頻理解技術，以用于未來的智能城市或者智能化戰場等。關于行人的運動分析是VSAM項目中一個極其重要的研究內容。2000年，DARPA又啟動了一個重大項目——Human ID（Human Identification at a Distance）計劃。Human ID計劃的目標是研發智能生物特征識別技術，實現遠距離的行人檢測和身份識別，以期能夠為軍事保護和領土防衛提供早期的關鍵預警支持。2001年9月11日，美國發生恐怖襲擊事件，使得政府、民眾和企業對安全監控、設施保護、領土防衛和犯罪預警的要求變得非常強烈。2015年在法國、澳大利亞等地都發生了嚴重的恐怖襲擊事件，地點都是影劇院等大空間場所。與此同時，計算機硬件技術和性能飛速提高，而價格卻不斷下降，這使得視頻監控系統的部署成本越來越低，性價比越來越好。視頻監控系統的廣泛普及也和計算機視覺、機器學習和圖像處理等研究領域的軟件算法的成熟相輔相成，互相推動著前進。 本書是應智慧城市發展的要求，抓住最關乎人民群眾安全的智能視頻監控做了深入的研究，給廣大讀者提供了解和學習前沿科學技術的機會。特別是當前大空間建筑越來越多，基本上都屬于人群密集場所。在當今復雜的社會形勢下，保護人民群眾的安全刻不容緩。本書作者都是在智能安防領域從事過多年研究的科技人員。其中，北京建筑大學張德編寫了第1、3、6、7、8章，航天信息股份有限公司技術研究院胡懋地編寫了第2、4、5章。 作者 2015年12月 | |
