智能視頻監(jiān)控中目標(biāo)檢測與識別

上篇 智能視頻監(jiān)控中目標(biāo)檢測與識別概論

第1章 緒論

1.1 智能視頻監(jiān)控概述

1.1.1 智能視頻監(jiān)控的發(fā)展

1.1.2 智能視頻監(jiān)控中的關(guān)鍵問題

1.2 智能視頻監(jiān)控的研究內(nèi)容

1.2.1 智能視頻監(jiān)控的系統(tǒng)結(jié)構(gòu)

1.2.2 智能視頻監(jiān)控的難題

1.3 研究現(xiàn)狀與應(yīng)用前景

參考文獻

第2章 計算機運動視覺相關(guān)理論

2.1 攝像機的標(biāo)定

2.1.1 坐標(biāo)系的變換

2.1.2 攝像機的標(biāo)定

2.2 雙目立體視覺

2.2.1 特征匹配關(guān)鍵技術(shù)

2.2.2 特征匹配算法分類與立體成像

2.3 運動視覺

2.3.1 運動視覺的研究內(nèi)容

2.3.2 運動視覺處理框架

2.4 場景理解

2.4.1 場景理解認(rèn)知框架

2.4.2 靜態(tài)場景理解

2.4.3 動態(tài)場景理解

參考文獻

第3章 運動目標(biāo)檢測技術(shù)

3.1 運動目標(biāo)檢測概述

3.1.1 光流法

3.1.2 相鄰幀差法

3.1.3 背景差法

3.1.4 邊緣檢測方法

3.1.5 其他重要的相關(guān)方法

3.2 視頻監(jiān)控中的背景建模

3.2.1 背景提取與更新算法概述

3.2.2 基于GMM的背景提取與更新算法

3.2.3 基于AKGMM的背景提取與更新算法

3.2.4 去除陰影

3.3 ROI面積縮減車輛檢測搜索算法

3.3.1 改進的幀差法

3.3.2 圖像的腐蝕與膨脹

3.3.3 車輛目標(biāo)分割識別

3.3.4 實驗結(jié)果與分析

參考文獻

第4章 運動目標(biāo)跟蹤技術(shù)

4.1 目標(biāo)跟蹤的分類

4.2 目標(biāo)跟蹤方法

4.2.1 基于特征的跟蹤方法

4.2.2 基于3D的跟蹤方法

4.2.3 基于主動輪廓的跟蹤方法

4.2.4 基于運動估計的跟蹤方法

4.3 粒子濾波器

4.3.1 離散貝葉斯濾波系統(tǒng)

4.3.2 蒙特卡洛采樣

4.3.3 貝葉斯重要性采樣

4.3.4 序列化重要性采樣

4.3.5 粒子濾波(Particle Filte)一般算法描述

4.3.6 粒子數(shù)目N的選取

4.4 多視角目標(biāo)跟蹤

4.4.1 目標(biāo)交接

4.4.2 多攝像機的協(xié)同

4.4.3 攝像機之間的數(shù)據(jù)通訊

4.4.4 多攝像機系統(tǒng)總體設(shè)計與集成

參考文獻

第5章 運動目標(biāo)分類技術(shù)

5.1 目標(biāo)分類方法

5.1.1 基于形狀信息的分類

5.1.2 基于運動特性的分類

5.1.3 混合方法

5.2 分類的特征提取

5.2.1 視頻圖像的兩種特征

5.2.2 分類特征選擇

5.3 分類器構(gòu)造

5.3.1 支持向量機理論

5.3.2 多類支持向量機

5.3.3 特征訓(xùn)練

5.4 訓(xùn)練和分類方案

5.4.1 靜態(tài)圖像訓(xùn)練分類模型

5.4.2 動態(tài)視頻中運動對象的分類

5.4.3 訓(xùn)練和分類的實驗結(jié)果

參考文獻

第6章 行為理解技術(shù)

6.1 行為理解的特征選擇與運動表征

6.1.1 特征選擇

6.1.2 運動表征

6.2 場景分析

6.2.1 場景結(jié)構(gòu)

6.2.2 場景知識庫的建立和更新

6.3 行為建模

6.3.1 目標(biāo)描述

6.3.2 約束表達

6.3.3 分層的行為模型結(jié)構(gòu)

6.4 行為識別

6.4.1 基于模板匹配方法

6.4.2 基于狀態(tài)轉(zhuǎn)移的圖模型方法

6.4.3 行為識別的實現(xiàn)

6.5 高層行為與場景理解

6.6 行為理解存在的問題與發(fā)展趨勢

參考文獻

下篇 智能視頻監(jiān)控應(yīng)用實例

第7章 白天車輛檢測實例

7.1 道路交通樣本庫的采集與組織

7.1.1 樣本的采集

7.1.2 樣本庫元信息和組織

7.2 車輛檢測系統(tǒng)結(jié)構(gòu)設(shè)計

7.2.1 基于視頻的車輛檢測方法概述

7.2.2 虛擬線圈車輛檢測法的算法流程

7.2.3 系統(tǒng)框圖

7.3 背景重構(gòu)

7.3.1 視頻背景重構(gòu)技術(shù)回顧

7.3.2 基于IMFKGMM的背景提取與更新算法

7.4 灰度空間陰影檢測算法研究

7.4.1 彩色圖像的灰度變換

7.4.2 算法原理

7.4.3 試驗結(jié)果

7.5 虛擬線圈車輛檢測法

7.5.1 數(shù)學(xué)形態(tài)學(xué)后處理與狀態(tài)機

7.5.2 交通參數(shù)的測量

第8章 夜間車輛檢測實例

第9章 晝夜亮度變化及切換方法

第10章 距離測量實例

第11章 客流檢測系列實例

……2100433B

《智能視頻監(jiān)控中目標(biāo)檢測與識別》系統(tǒng)介紹了智能視頻監(jiān)控中目標(biāo)檢測與識別的基本問題及其相關(guān)處理技術(shù)。主要內(nèi)容包括智能視頻監(jiān)控的理論、算法和典型應(yīng)用實例。包括計算機視覺基本理論、運動目標(biāo)檢測技術(shù)、運動目標(biāo)跟蹤和分類技術(shù)、運動的場景分析及行為理解技術(shù)。其中目標(biāo)的檢測與識別技術(shù)在資助的科研項目中有成熟可行的應(yīng)用實例?！吨悄芤曨l監(jiān)控中目標(biāo)檢測與識別》內(nèi)容由淺人深、循序漸進，著重于經(jīng)典內(nèi)容和最新進展的結(jié)合，并輔以較多的應(yīng)用范例。《智能視頻監(jiān)控中目標(biāo)檢測與識別》可作為高等院校有關(guān)專業(yè)的研究生和高年級本科生的教學(xué)參考書，也可供相關(guān)專業(yè)的科技人員學(xué)習(xí)參考。

本書系統(tǒng)介紹了視覺目標(biāo)檢測與跟蹤的基本問題及其相關(guān)處理技術(shù)，主要內(nèi)容涉及計算機視覺目標(biāo)檢測與跟蹤的理論、算法和典型應(yīng)用實例。本書共6章，包括緒論、目標(biāo)表示、目標(biāo)檢測方法、目標(biāo)檢測的典型應(yīng)用、目標(biāo)跟蹤方法、視覺目標(biāo)跟蹤展望等內(nèi)容。

分?jǐn)?shù)階微積分及相關(guān)研究是近年來科研領(lǐng)域的研究熱點，該項研究不本書內(nèi)容主要包括目標(biāo)識別與跟蹤技術(shù)的研究現(xiàn)狀和基礎(chǔ)理論（第1章）、衛(wèi)星目標(biāo)定位方法（第2～4章）、目標(biāo)識別方法（第5，6章）和目標(biāo)跟蹤方法（第7，8章），介紹了相關(guān)目標(biāo)衛(wèi)星定位、識別和跟蹤的研究背景、挑戰(zhàn)性問題、解決理論、算法設(shè)計過程和應(yīng)用場景分析等內(nèi)容，并給出了相應(yīng)的實驗結(jié)果。

《電子元器件檢測與識別》對各種典型電子產(chǎn)品的檢測與識別方法進行詳細講解，將最新的電子元器件的檢測和識別方法介紹給讀者，使新器件、新產(chǎn)品、新技術(shù)能盡快地出現(xiàn)在教材中?！峨娮釉骷z測與識別》針對具體元器件的檢測與識別，給出作者總結(jié)的技能與技巧，對初學(xué)者有積極的啟發(fā)作用。

與同類教材相比，《電子元器件檢測與識別》有如下特色：

反映最新的電子元器件。新的電子元器件層出不窮，《電子元器件檢測與識別》除了包含電阻、電容、二極管等基本元器件外，還介紹了色碼電感、片狀元器件等新器件。

內(nèi)容安排以“必須”和“夠用”為原則。對基本知識不做過于繁雜的理論講解，重點放在對設(shè)備的認(rèn)識和操作上。

按照項目式教學(xué)的方法編排全書內(nèi)容?！峨娮釉骷z測與識別》以項目為中心，以實際電子元器件為載體，并以進行單項技能訓(xùn)練為主，從而可以更好地培養(yǎng)學(xué)生的操作技能。書中每個項目都安排了項目小結(jié)和課后練習(xí)，并精心編寫了“技能與技巧”、“新器件與新技術(shù)”，試圖通過提供有實用價值的技能技巧訓(xùn)練和新技術(shù)來幫助學(xué)生提高操作效率。 2100433B