1绪论 1
1.1视频监控系统的发展 1
1.1.1传统视频的不足 1
1.1.2智能视频监控的应用 2
1.1.3大场景多摄像机协同监控 5
1.2视频协同跟踪研究现状 15
1.3视频侦查领域的应用需求 18
2运动目标检测与跟踪 22
2.1运动目标检测 23
2.1.1混合高斯建模 23
2.1.2光流法 23
2.1.3监督学习法 24
2.2行人检测算法 25
2.2.1头肩模型 27
2.2.2 DPM模型 29
2.2.3行人检测算法评价准则 30
2.3跟踪策略分类 31
2.3.1点跟踪法 32
2.3.2核跟踪法 36
2.3.3剪影跟踪法 39
2.4常用人体跟踪算法 42
2.4.1卡尔曼滤波法 43
2.4.2 MeanShift算法 43
3全景生成及枪球联动 46
3.1全景生成技术 47
3.1.1静态全景拼接 47
3.1.2动态全景拼接 49
3.2枪球联动系统简介 50
3.3枪球联动系统结构 54
3.3.1模拟架构枪球联动 55
3.3.2数字高清架构枪球联动 56
3.3.3网络高清架构枪球联动 58
3.4协同控制策略 58
3.4.1目标静止时的协同控制 58
3.4.2目标运动时的协同控制 59
3.4.3运动状态转换时的协同控制 59
3.5“一枪多球”及“多枪一球” 60
4人脸检测技术 63
4.1人脸检测技术的发展 63
4.2常规人脸检测方法 64
4.2.1肤色建模 65
4.2.2 Haar和LBP特征 68
4.2.3分类器级联 70
4.2.4基于肤色建模与Haar特征的人脸检测 74
4.3深度学习框架下的人脸检测 76
4.3.1 FacenessNet人脸检测算法 76
4.3.2 SeetaFace人脸检测算法 77
4.3.3 Faster R-CNN人脸检测算法 78
4.4人脸定位与放大 79
4.5人脸检测加速技术 81
5深度学习机制下的目标识别 82
5.1深度学习发展历程 82
5.2深度学习主流框架介绍 83
5.2.1 Caffe 84
5.2.2 Torch 105
5.2.3 TensorFlow 105
5.3深度学习在人脸检测识别方面的最新进展 107
5.3.1科研院所方面的工作 107
5.3.2产业方面的工作 107
5.4我们的工作 108
5.4.1深度学习人脸验证 108
5.4.2 ImageNet方面的工作 114
5.4.3 TRECVID方面的工作 115
6摄像机标定与图像特征匹配方法研究 116
6.1透视摄像机标定方法 117
6.1.1传统的摄像机标定方法 118
6.1.2摄像机自标定方法 127
6.2全景摄像机标定方法 130
6.2.1多摄像机联动 131
6.2.2鱼眼摄像机标定方法 137
6.2.3全向摄像机标定方法 139
6.3图像特征匹配方法 147
6.3.1特征点匹配 148
6.3.2特征直线匹配 150
6.3.3重复性纹理图像匹配 151
7人员目标结构化描述及检索 154
7.1视频结构化描述技术 154
7.2视频结构化描述和语义网 156
7.3人员信息结构化描述 158
7.3.1人员面部信息结构化描述 158
7.3.2人员行为模式结构化描述 167
7.4个性化检索引擎 168
8监控大数据与主动安防体系 170
8.1视频监控进入大数据时代 170
8.1.1视频大数据的应用难点 172
8.1.2基于大数据框架的下一代视频监控系统 174
8.1.3基于VSD的监控视频大数据分析 176
8.2主动视觉感知融合安防体系 180
8.2.1知识图谱 182
8.2.2视觉基因组 187
8.2.3基于主动视觉融合的安防体系 195
8.3语音识别及VR眼镜等新技术的应用 199
9视频一体化指挥应用 201
9.1发展现状 201
9.2立体防控技术解决方案 205
9.2.1立体防控技术 205
9.2.2大型活动立体防控平台 206
9.2.3大型活动立体防控平台应用 207
9.3未来工作 211
10总结与展望 212
10.1本书总结 212
10.2领域发展展望 212
参考文献 214