当前位置:首页 > 工业技术
视频目标跟踪方法
视频目标跟踪方法

视频目标跟踪方法PDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:查宇飞等著
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2015
  • ISBN:9787118102352
  • 页数:343 页
图书介绍:全书共分为八章,第一章概述,介绍了视频目标跟踪的意义和作用。第二章是基于背景模型的目标检测,利用高斯混合模型、核密度方法去描述视频中背景在时间轴上的一致性,实现对运动目标的鲁棒检测和跟踪。第三章主要从外观特征,局部特征和运动特征三个方面,对目标跟踪中所涉及的特征进行了综述。第四章和第五章分别从生成式模型和判别式模型的角度,介绍了相关的目标跟踪方法。第六章是基于粒子滤波的跟踪方法,描述了基于颜色特征、梯度特征、增量子空间特征的粒子滤波跟踪算法,实现了复杂背景下目标的鲁棒跟踪。第七章是基于Mean Shift的跟踪技术,将目标的空域信息融入到目标的直方图中,同时利用Gabor—LBP来描述目标的纹理信息,实现对目标的鲁棒跟踪。第八章是基于水平集的跟踪技术,将目标的跟踪模型与基于区域的主动轮廓模型建立对应关系,构造能量函数,通过水平集最小化能量,实现了对运动目标拓扑形变的自适应跟踪。
《视频目标跟踪方法》目录

第1章 综述 1

1.1 视频目标跟踪的意义和作用 1

1.2 视频目标跟踪系统 3

1.2.1 系统组成 3

1.2.2 面临挑战 5

1.2.3 数学描述 6

1.3 视频目标跟踪概述 8

1.3.1 目标特征提取 8

1.3.2 目标检测 9

1.3.3 目标模型 11

1.3.4 目标搜索 14

1.4 发展趋势 17

1.4.1 面临挑战 17

1.4.2 未来方向展望 18

1.5 本章小结 20

参考文献 20

第2章 运动目标检测 27

2.1 背景模型的高斯混合模型描述 27

2.1.1 高斯混合模型及EM求解 28

2.1.2 在线高斯混合背景模型 30

2.1.3 实验结果讨论 35

2.2 基于背景重构的多运动目标检测 38

2.2.1 背景重构 39

2.2.2 背景维护 42

2.2.3 轮廓分割 44

2.2.4 实验结果讨论 46

2.3 复杂背景模型学习 48

2.3.1 前景检测 50

2.3.2 多尺度判别模型 52

2.3.3 实验结果讨论 55

2.4 运动阴影消除 64

2.4.1 阴影模型 65

2.4.2 马尔可夫随机场 66

2.4.3 实验结果讨论 74

2.5 本章小结 79

参考文献 80

第3章 目标特征提取 83

3.1 全局特征 83

3.1.1 直方图特征 83

3.1.2 颜色特征 84

3.1.3 轮廓特征 88

3.2 局部结构特征 92

3.2.1 点特征 93

3.2.2 边缘特征 105

3.2.3 纹理特征 111

3.2.4 图像块特征 120

3.3 运动特征 131

3.3.1 光流 131

3.3.2 SIFT流 133

3.4 本章小结 135

参考文献 135

第4章 基于生成式目标模型的目标跟踪 139

4.1 子空间模型 139

4.1.1 主成分分析(PCA) 139

4.1.2 在线主成分分析 141

4.1.3 在线主成分分析跟踪 143

4.2 稀疏表示模型 145

4.2.1 稀疏表示 146

4.2.2 e1数最小化跟踪算法 148

4.2.3 基于稀疏性的协作式目标跟踪算法 150

4.3 随机森林 153

4.3.1 随机树构建 154

4.3.2 霍夫随机森林 158

4.3.3 霍夫随机森林目标检测 164

4.3.4 霍夫随机森林目标跟踪 167

4.4 本章小结 172

参考文献 172

第5章 基于判别式目标模型的目标跟踪 177

5.1 基于在线特征选择的轮廓跟踪 177

5.1.1 基于Fisher判别准则的在线特征选择 179

5.1.2 基于动态邻近区域快速水平集的轮廓跟踪 181

5.1.3 实验结果讨论 186

5.2 基于子空间半监督判别模型的目标跟踪 191

5.2.1 在线主成分分析 193

5.2.2 半监督线性判别分析 194

5.2.3 实验结果讨论 201

5.3 集成轮廓跟踪 204

5.3.1 集成轮廓跟踪算法 206

5.3.2 实验结果讨论 211

5.4 基于图直推学习的鲁棒跟踪 215

5.4.1 基于图的直推学习 216

5.4.2 目标跟踪模型 219

5.4.3 实验结果讨论 222

5.5 本章小结 225

参考文献 226

第6章 基于粒子滤波的目标跟踪 228

6.1 粒子滤波基本原理 228

6.1.1 基于贝叶斯估计的目标跟踪框架和蒙特卡罗方法 228

6.1.2 贝叶斯重要性采样 230

6.1.3 粒子退化问题和粒子滤波算法 233

6.2 基于特征融合的粒子滤波 234

6.2.1 方向梯度直方图 234

6.2.2 距离度量 236

6.2.3 跟踪算法 236

6.2.4 实验结果讨论 237

6.3 基于增量学习Rao-Blackwellized粒子滤波的跟踪算法 239

6.3.1 Rao-Blackwellization粒子滤波(RBPF) 239

6.3.2 算法步骤 241

6.3.3 实验结果讨论 242

6.4 基于瀑布粒子滤波跟踪算法 244

6.4.1 活动基模型 244

6.4.2 瀑布型粒子滤波器 253

6.4.3 基于活动基的瀑布粒子滤波跟踪算法 254

6.4.4 实验结果讨论 257

6.5 本章小结 263

参考文献 263

第7章 基于均值移动的目标跟踪 265

7.1 均值移动跟踪算法简介 265

7.1.1 均值移动算法原理 265

7.1.2 快速均值移动算法 268

7.2 基于均值移动和改进直方图映射的目标跟踪算法 272

7.2.1 直方图映射模型 272

7.2.2 改进的直方图映射模型 275

7.2.3 目标跟踪算法设计 276

7.2.4 实验结果讨论 278

7.3 特征融合均值移动跟踪方法 282

7.3.1 目标模型的多特征融合描述 283

7.3.2 基于均值移动(Mean shift)的融合跟踪定位 287

7.3.3 实验结果讨论 291

7.4 基于均值移动(Mean shift)粒子滤波的运动目标跟踪 294

7.4.1 基于统计直方图的目标模型 294

7.4.2 均值移动(Mean shift)粒子滤波 296

7.4.3 实验结果讨论 296

7.5 本章小结 299

参考文献 300

第8章 基于水平集的轮廓跟踪 302

8.1 水平集理论 302

8.1.1 曲线演化理论 302

8.1.2 水平集原理及数值实现方法 304

8.1.3 水平集快速算法 308

8.2 基于区域主动轮廓运动目标的跟踪 314

8.2.1 区域轮廓模型 315

8.2.2 目标跟踪模型 319

8.2.3 实验结果讨论 322

8.3 基于极值区域的水平集分割跟踪 324

8.3.1 水平集能量项构成 324

8.3.2 实验结果讨论 326

8.4 基于边缘片断特征的水平集跟踪 328

8.4.1 基于区域与边缘的水平集分割算法 329

8.4.2 基于边缘片(Edglet)特征的目标检测 331

8.4.3 基于边缘片断特征与水平集分割的非刚体目标跟踪算法 334

8.4.4 实验结果讨论 336

8.5 本章小结 337

参考文献 338

相关图书
作者其它书籍
返回顶部