《复杂环境中运动目标检测与跟踪研究》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:张辰著
  • 出 版 社:徐州:中国矿业大学出版社
  • 出版年份:2014
  • ISBN:9787564624668
  • 页数:170 页
图书介绍:全书共分为5章,第一章阐述课题提出背景和研究意义,分析了煤矿视频数据的特点,描述了目标检测和跟踪的国内外研究现状等内容;第二章介绍了一种基于鲁棒模糊核聚类方法,然后利用它进行目标检测,提高了背景模型对场景变化的适应能力;第三章介绍了一种基于ELM的最大间隔聚类(EMMC)方法,然后将其引入BoW模型中,使用极速最大间隔聚类优化K-均值,可得到较好的视觉单词划分结果,提高目标分类性能;第四章提出一种基于ELM和多特征融合的粒子滤波跟踪算法。该算法利用极速学习机重新估计粒子权值,改善粒子退化问题;同时采用多特征融合构建粒子滤波中的目标表示模型,该算法可以有效解决目标跟踪中的遮挡问题,同时提高算法的执行效率;第五章提出结合协同训练分类器的粒子滤波跟踪算法,分类器和粒子滤波跟踪器同时独立运行,然后将结果进行融合,得到目标定位。当跟踪失败后,采用无重叠的分类器网格重新获取目标,同时启动跟踪器进行跟踪。

1 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 5

1.3 主要研究内容及方法 23

1.4 本章小结 25

2 基于聚类的运动目标检测方法 26

2.1 引言 26

2.2 鲁棒模糊核聚类算法 28

2.3 基于鲁棒模糊核聚类的目标检测算法 32

2.4 实验及结果分析 36

2.5 本章小结 50

3 基于改进BoW模型的目标分类方法 52

3.1 引言 52

3.2 极速学习机模型 54

3.3 极速最大间隔聚类 58

3.4 利用极速最大间隔聚类构造视觉词典算法 63

3.5 实验及结果分析 69

3.6 本章小结 81

4 基于ELM和多特征融合的粒子滤波跟踪方法 83

4.1 引言 83

4.2 基于ELM的粒子滤波改进算法 86

4.3 基于多特征融合的目标表示模型 90

4.4 算法流程 97

4.5 实验与结果分析 98

4.6 本章小结 114

5 结合协同训练分类器的粒子滤波跟踪方法 116

5.1 引言 116

5.2 系统流程 118

5.3 基于协同训练分类器的目标检测 119

5.4 结合协同训练分类器的粒子滤波跟踪算法 127

5.5 实验与结果分析 134

5.6 本章小结 143

6 结论 145

6.1 主要研究成果 145

6.2 进一步研究内容 147

参考文献 148