第1章 绪论 1
1.1 引言 1
1.1.1 计算机视觉研究的特点 1
1.1.2 计算机视觉与相关领域的关系 2
1.1.3 计算机视觉研究的发展 2
1.1.4 视觉目标检测与跟踪的研究意义 4
1.2 视觉目标检测与跟踪的研究内容 6
1.2.1 视觉目标检测的研究内容和分类 6
1.2.2 视觉目标跟踪的研究内容和分类 6
1.3 视觉目标检测与跟踪的研究现状 9
1.3.1 应用前景与研究现状 9
1.3.2 视觉目标检测与跟踪研究的难点 10
参考文献 11
第2章 目标表示 14
2.1 颜色特征 14
2.1.1 颜色空间 14
2.1.2 颜色直方图 15
2.2 纹理特征 17
2.3 形状特征 19
2.3.1 Haar-Like特征 19
2.3.2 SIFT特征 20
2.3.3 HOG特征 23
2.4 深度学习特征 24
2.4.1 卷积神经网络 25
2.4.2 卷积神经网络的结构 26
2.4.3 卷积神经网络的训练 27
2.5 特征选择与降维 28
2.5.1 特征降维 28
2.5.2 特征选择 31
参考文献 36
第3章 目标检测方法 38
3.1 运动目标检测 38
3.1.1 基本概念 38
3.1.2 帧差法 39
3.1.3 背景减除法 40
3.1.4 光流法 45
3.2 图像匹配方法 46
3.2.1 基于像素灰度的匹配 47
3.2.2 基于特征的匹配 47
3.2.3 基于变换域的匹配 52
3.2.4 基于投影的匹配 53
3.3 机器学习方法 54
3.3.1 人工神经网络 54
3.3.2 支持向量机 60
3.3.3 Boosting方法 65
3.3.4 Adaboost算法 66
3.3.5 Logitboost算法 67
第4章 目标检测的典型应用 69
4.1 人脸检测 69
4.1.1 人脸检测数据库 70
4.1.2 人脸检测的计算模型 71
4.1.3 人脸检测算法 72
4.2 行人目标检测 76
4.2.1 人体检测数据库 76
4.2.2 人体检测常用特征 77
4.2.3 实例分析 79
4.3 车辆检测 84
4.3.1 主要的车辆检测数据库 85
4.3.2 车辆检测的一般方法 85
4.3.3 实例分析 87
4.4 文字目标检测 91
4.4.1 文字目标检测方法 93
4.4.2 文字目标检测数据集合 93
4.4.3 快速视频文字检测方法 94
4.4.4 特征选择 100
4.4.5 文字检测分类器及方法 101
4.5 多类目标检测 103
4.5.1 代表性数据集合 103
4.5.2 多类目标检测方法 104
4.5.3 多类目标检测方法性能对比 106
参考文献 107
第5章 目标跟踪方法 111
5.1 跟踪目标描述 111
5.1.1 跟踪目标的特征表示 111
5.1.2 跟踪目标的表示方法 112
5.1.3 视觉目标跟踪的分类 115
5.2 经典视觉目标跟踪方法 116
5.2.1 确定性目标跟踪方法 116
5.2.2 非确定性目标跟踪方法 121
5.3 视觉目标跟踪最新研究方法 125
5.3.1 单目标跟踪方法 125
5.3.2 多目标跟踪方法 133
参考文献 138
第6章 视觉目标跟踪展望 140
6.1 行人跟踪目标再识别 141
6.2 多传感器信息融合目标跟踪 143
6.3 跟踪目标轨迹行为分析研究 144
参考文献 147
后记 151