当前位置:首页 > 工业技术
视频序列运动目标检测与跟踪
视频序列运动目标检测与跟踪

视频序列运动目标检测与跟踪PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:瞿中,安世全著
  • 出 版 社:北京:科学出版社
  • 出版年份:2018
  • ISBN:9787030550309
  • 页数:241 页
图书介绍:本书以视频序列中运动目标检测与跟踪技术为核心,对运动目标检测与跟踪理论和方法进行探讨,吸纳了相关国内外运动目标检测与跟踪技术的精华,阐述了基于K-means、AdaBoost和LBP背景建模的特征分类以及Otsu结合肤色检测的微动目标提取算法;设计了利用SVM方法提取HOG特征分类器对行人人体进行检测算法、基于前景模板和Camshift相结合的目标跟踪算法;实现了双层Codebook模型和短时滑动窗口相结合的背景更新方法,解决外部干扰问题,保证粒子多样性,减少计算量和时间复杂度;提出了一种基于轨迹网格化分析的运动目标徘徊检测方法。本书以理论分析为基础,并结合实际应用领域,验证了本书所提出算法的性能效果,同时将本书所提出方法在其他应用领域继续延伸,具有一定的理论意义和应用价值。
《视频序列运动目标检测与跟踪》目录

第1章 运动目标检测与跟踪概述 1

1.1运动目标检测与跟踪的发展及现状 1

1.1.1运动目标检测与跟踪的发展 1

1.1.2运动目标检测与跟踪的国内外研究现状 2

1.2运动目标检测与跟踪技术 4

1.2.1运动目标检测技术简介 4

1.2.2运动目标跟踪技术简介 6

1.3运动目标检测与跟踪的技术难点 9

1.4本章小结 10

参考文献 10

第2章 运动目标检测与跟踪基础知识 13

2.1视频序列图像的预处理 13

2.1.1图像灰度化 13

2.1.2图像二值化 16

2.1.3图像增强 18

2.1.4图像滤波 20

2.1.5形态学处理 22

2.1.6颜色空间 25

2.1.7图像边缘检测 28

2.2运动目标检测技术 31

2.2.1光流法 31

2.2.2帧间差分法 33

2.2.3背景减除法 34

2.2.4可视化背景提取算法 42

2.3运动目标跟踪技术 46

2.3.1 Meanshift跟踪算法 46

2.3.2 Camshift跟踪算法 48

2.3.3 Kalman滤波跟踪算法 49

2.3.4粒子滤波跟踪算法 51

2.3.5基于Snake模型的目标跟踪算法 53

2.4本章小结 58

参考文献 58

第3章 视频序列中的微动目标检测方法 61

3.1图像特征分类技术 61

3.1.1 Bayes分类算法 61

3.1.2 K-means算法 62

3.1.3条件随机场模型 65

3.1.4 AdaBoost模型 68

3.2图像特征提取技术 70

3.2.1基于区域分割的特征提取 70

3.2.2基于目标边缘检测的特征提取 71

3.2.3基于目标纹理的特征提取 71

3.3微动目标提取技术 71

3.3.1改进的K-means聚类算法 72

3.3.2肤色检测算法 74

3.4微动目标背景替换技术 76

3.4.1微动目标粗分割算法 76

3.4.2微动目标孔洞填充算法 77

3.4.3背景替换算法 80

3.5 LBP背景建模改进技术 81

3.5.1 LBP纹理特征提取算法 81

3.5.2基于LBP背景建模的微动目标检测算法 83

3.5.3 LBP背景建模改进算法性能分析 84

3.6多线程图像处理技术 90

3.6.1多线程与图像处理 91

3.6.2多线程与视频微动目标提取算法 91

3.6.3线程间的通信 92

3.6.4共享缓冲区和互斥机制 92

3.7坐席视频通话中的微动目标检测与背景替换系统 95

3.7.1坐席视频通话系统体系结构 96

3.7.2坐席视频通话系统设计与实现 97

3.8本章小结 100

参考文献 101

第4章 视频序列中的运动目标跟踪方法 103

4.1结合前景检测的运动目标跟踪技术 103

4.1.1 Codebook背景建模 104

4.1.2融合邻域信息 Codebook背景建模 106

4.1.3确定跟踪目标和特征提取 107

4.1.4基于颜色特征的运动目标模型构造 109

4.1.5融合邻域信息的Codebook模型与粒子滤波结合的跟踪算法 110

4.1.6目标跟踪和特征提取算法性能分析 112

4.2结合在线学习检测器的运动目标跟踪技术 115

4.2.1基于机器学习的特征提取 117

4.2.2特征选择与分类器设计 118

4.2.3随机蕨丛在线学习和粒子滤波相结合的目标跟踪 122

4.2.4基于滤波的目标跟踪算法性能分析 123

4.3视频序列中的粒子滤波跟踪系统体系结构 126

4.3.1粒子滤波跟踪系统体系结构 127

4.3.2粒子滤波跟踪系统设计与实现 128

4.4本章小结 130

参考文献 131

第5章 行人检测和流量统计方法 133

5.1运动目标计数算法 133

5.1.1智能视频监控系统概述 133

5.1.2行人计数统计算法 134

5.2基于AdaBoost的行人检测技术 139

5.2.1人头样本训练 140

5.2.2 Haar-Like特征与MB- LBP特征提取 142

5.2.3基于AdaBoost的人头检测算法 144

5.2.4 人头检测实验结果与分析 145

5.3基于SVM的人体识别技术 150

5.3.1 HOG特征提取 150

5.3.2 SVM分类器 152

5.3.3人体识别实验结果及分析 153

5.4基于粒子滤波跟踪的人头检测技术 156

5.4.1改进的粒子滤波剩余重采样算法 156

5.4.2结合人头检测的粒子滤波算法 161

5.4.3粒子滤波的人头检测实验结果与分析 162

5.5行人检测和流量统计系统 165

5.5.1行人检测系统设计与实现 165

5.5.2行人流量统计系统设计与实现 170

5.6本章小结 176

参考文献 176

第6章 视频序列中的遗留物检测方法 179

6.1遗留物检测技术 179

6.1.1算法约束假设 181

6.1.2视频序列图像单帧预处理 182

6.1.3遗留物检测算法 183

6.1.4基于场景分类的遗留物检测算法 187

6.1.5基于双背景模型的遗留物检测算法 188

6.1.6基于目标行为分析的遗留物检测算法 189

6.2基于双混合高斯背景模型的遗留物检测技术 191

6.2.1遗留物检测算法中的静止前景检测 191

6.2.2改进的混合高斯背景建模算法 192

6.2.3静止前景目标的提取 194

6.3遗留物主的提取技术 196

6.3.1改进的Camshift目标跟踪算法 197

6.3.2基于图像信息熵的遗留物主关键帧提取 199

6.4遗留物检测实验结果与分析 201

6.5本章小结 205

参考文献 206

第7章 运动目标异常行为检测与跟踪方法 208

7.1运动目标表示与特征提取 208

7.1.1运动目标表示 209

7.1.2运动目标特征提取 209

7.2运动目标异常行为检测技术 210

7.2.1目标越线和进入虚拟墙检测 211

7.2.2逆向运动和加速运动检测 215

7.2.3运动目标跌倒和蹲下行为检测 216

7.2.4运动目标伸开双臂检测 218

7.3运动目标徘徊检测技术 218

7.3.1运动目标徘徊轨迹检测 219

7.3.2运动目标轨迹的网格化分析 221

7.3.3正常行为轨迹分析 223

7.3.4徘徊行为轨迹分析 224

7.3.5徘徊轨迹检测 224

7.4运动目标行为检测与跟踪实验结果与分析 226

7.5异常行为检测系统的设计与实现 231

7.5.1异常行为检测系统体系结构 231

7.5.2异常行为检测系统接口设计与实现 232

7.5.3异常行为检测系统设计与实现 233

7.6本章小结 236

参考文献 236

索引 237

返回顶部