跨尺度运动图像的目标检测与跟踪PDF电子书下载

第1章 绪论 1

1.1 研究背景与意义 1

1.2 研究现状 2

1.2.1 运动图像的跨尺度描述 3

1.2.2 跨尺度运动图像的目标检测 5

1.2.3 跨尺度运动图像的目标跟踪 7

参考文献 13

第2章 运动图像的跨尺度描述方法研究 22

2.1 引言 22

2.2 基于高斯金字塔和小波变换的跨尺度描述算法的提出 23

2.2.1 GWSP算法研究动机 23

2.2.2 GWSP算法描述 23

2.3 GWSP算法实验结果与分析 28

2.3.1 数据集、对比算法与评价指标 28

2.3.2 GWSP算法实验结果与分析 30

2.4 本章小结 37

参考文献 38

第3章 运动图像的跨尺度特征提取方法研究 40

3.1 引言 40

3.2 运动图像的跨尺度分析表示 41

3.2.1 轮廓波变换 41

3.2.2 非向下采样轮廓波变换（NSCT） 41

3.3 贝叶斯非局部均值滤波算法（BNL-Means）的提出 42

3.3.1 BNL-Means算法研究动机 42

3.3.2 BNL-Means算法描述 42

3.3.3 BNL-Means算法实验结果及分析 43

3.4 空间图像跨尺度特征提取算法（SITFE）的提出 46

3.4.1 SITFE算法研究动机 46

3.4.2 SITFE算法描述 47

3.4.3 SITFE实验结果及分析 48

3.5 本章小结 55

参考文献 55

第4章 基于稀疏编码的跨尺度运动目标检测方法研究 57

4.1 引言 57

4.2 基于分阶段字典学习与分层稀疏编码的跨尺度检测算法（MDSH）的提出 58

4.2.1 MDSH算法研究动机 58

4.2.2 MDSH算法描述 58

4.3 MDSH算法实验结果与分析 62

4.3.1 数据集、对比算法与评价指标 63

4.3.2 MDSH算法实验结果与分析 63

4.4 本章小结 68

参考文献 69

第5章 基于小波光流的跨尺度运动目标检测方法研究 71

5.1 引言 71

5.2 小波光流估计算法（WOF）的提出 72

5.2.1 WOF算法研究动机 72

5.2.2 WOF算法描述 73

5.3 线性与非线性混合分类算法（HLNLC） 75

5.4 矩形窗口扫描算法（RWS）的提出 77

5.4.1 RWS算法研究动机 77

5.4.2 RWS算法描述 77

5.5 跨尺度运动目标检测实验结果及分析 79

5.5.1 小波光流估计算法（WOF）实验 79

5.5.2 线性与非线性混合分类算法（HLNLC）实验 82

5.5.3 矩形窗口扫描算法（RWS）实验 85

5.6 本章小结 90

参考文献 91

第6章 基于方向向量与权值选择的跨尺度运动目标跟踪方法研究 93

6.1 引言 93

6.2 基于方向向量与权值选择的跨尺度运动目标跟踪算法（DPF-WT）的提出 94

6.2.1 DPF-WT算法研究动机 94

6.2.2 DPF-WT算法描述 94

6.3 DPF-WT算法实验结果与分析 99

6.3.1 数据集、对比算法与评价指标 99

6.3.2 DPF-WT算法实验结果与分析 101

6.4 本章小结 114

参考文献 114

第7章 基于重采样粒子滤波的运动目标跟踪方法研究 118

7.1 引言 118

7.2 基于重采样粒子滤波的运动目标跟踪算法（PFOT）的提出 119

7.2.1 PFOT算法研究动机 119

7.2.2 PFOT算法描述 119

7.3 运动目标目标跟踪实验结果及分析 122

7.3.1 粒子滤波对比实验 122

7.3.2 PFOT算法实验 125

7.4 本章小结 128

参考文献 128

第8章 基于目标形状活动轮廓的运动目标跟踪方法研究 130

8.1 引言 130

8.2 基于目标形状活动轮廓的运动目标跟踪算法（ACOT）的提出 131

8.2.1 ACOT算法研究动机 131

8.2.2 ACOT算法描述 131

8.3 运动目标跟踪实验结果及分析 135

8.3.1 目标形状轮廓检测实验 135

8.3.2 ACOT算法实验 138

8.4 本章小结 141

参考文献 142

第9章 基于深度神经网络与平均哈希的跨尺度运动目标跟踪方法研究 143

9.1 引言 143

9.2 基于深度神经网络与平均哈希的运动目标跟踪算法的提出（DNHT） 144

9.2.1 DNHT算法研究动机 144

9.2.2 DNHT算法描述 144

9.3 DNHT算法实验结果与分析 148

9.3.1 数据集、对比算法与评价指标 148

9.3.2 DNHT算法实验结果与分析 149

9.4 本章小结 162

参考文献 163

第10章 基于混合特征的运动目标跟踪方法研究 166

10.1 引言 166

10.2 SoH-DLT运动目标跟踪算法描述 166

10.3 SoH-DLT运动目标跟踪算法实现 167

10.3.1 基于方向直方图的特征提取 167

10.3.2 基于深度学习的特征提取 168

10.3.3 粒子滤波跟踪算法 168

10.3.4 SoH-DLT算法步骤 169

10.4 实验结果与分析 170

10.4.1 目标轮廓特征有效性分析 170

10.4.2 客观指标分析 171

10.4.3 主观效果分析 172

10.5 本章小结 173

参考文献 173

第11章 基于尺度不变性与深度学习的运动目标跟踪算法 175

11.1 引言 175

11.2 SMS-DLT跟踪算法 175

11.2.1 特征学习 176

11.2.2 SMS-DLT跟踪过程 177

11.3 实验和分析 178

11.3.1 客观评价 179

11.3.2 主观评价 183

11.3.3 SMS-DLT实验评价 185

11.4 本章小结 187

参考文献 188

第12章 跨尺度运动图像的目标跟踪方法研究 190

12.1 引言 190

12.2 Monte Carlo边缘演化算法（MCCE）的提出 191

12.2.1 MCCE算法研究动机 191

12.2.2 MCCE算法描述 191

12.2.3 MCCE算法实验结果及分析 194

12.3 加强奇异点均值偏移算法（ESMS）的提出 197

12.3.1 ESMS算法研究动机 197

12.3.2 ESMS算法描述 197

12.3.3 ESMS算法实验 199

12.4 本章小结 206

参考文献 207

第13章 跨尺度运动图像的目标检测与跟踪系统 208

13.1 引言 208

13.2 跨尺度运动图像的目标检测与跟踪系统 208

13.2.1 跨尺度运动图像的目标检测与跟踪系统框架 208

13.2.2 视频序列的预处理模块 209

13.2.3 运动图像跨尺度描述模块 210

13.2.4 跨尺度运动目标检测模块 211

13.2.5 跨尺度运动目标跟踪模块 212

13.3 运动目标自适应检测与持续跟踪系统 214

13.3.1 运动目标自适应检测与持续跟踪系统框架 214

13.3.2 系统的实现结果 215

13.4 运动目标局部优先自适应跟踪系统 217

13.4.1 开发环境 217

13.4.2 系统设计 217

13.4.3 系统实现 218

13.5 运动目标识别与跟踪系统 220

13.5.1 开发环境 220

13.5.2 系统设计 220

13.5.3 系统实现 221

13.6 本章小结 224