前言 信息技术革新与新形态反恐 1
第一章 行人检测与行人跟踪研究现状 17
第一节 研究的目的和意义 17
第二节 国内外研究现状和发展趋势 18
一、行人检测研究现状 20
二、目标跟踪研究现状 31
第三节 行人跟踪与检测算法展望 38
第四节 研究内容 39
第五节 本书结构 39
第二章 基于深度通道特征的行人检测 41
第一节 引言 41
第二节 深度卷积神经网络与稀疏滤波 42
一、深度卷积神经网络 43
二、稀疏滤波 47
第三节 深度通道特征 50
一、行人通道特征和深度通道特征 52
二、深度通道特征的提取 53
三、用于行人检测的特征构成 54
第四节 基于深度通道特征的行人检测 55
第五节 实验结果 56
一、实验设置 56
二、对比分析 60
三、决策树个数的影响 62
四、未识别情况分析 62
第六节 小结 65
第三章 基于字典学习的行人跟踪方法 66
第一节 引言 66
第二节 非冗余限定的字典学习 67
一、字典学习在分类与跟踪中的局限性 68
二、增加字典学习区分度的非冗余限定条件 70
第三节 多类别判别式字典学习跟踪算法 74
一、多类别判别式字典学习 74
二、跟踪算法与字典更新 75
第四节 实验结果 80
一、实验设置 83
二、整体性能比较 85
三、特殊预设状态性能比较 86
四、初始化对跟踪器性能的影响 87
第五节 小结 89
第四章 基于多分量可变部件模型的行人跟踪 90
第一节 引言 90
第二节 行人可变部件模型及其初始化 91
一、初始化可变部件 94
二、初始化INCSVM 95
第三节 多分量可变部件模型 97
第四节 可变部件模型跟踪算法 98
一、跟踪目标函数 98
二、跟踪框架 99
第五节 自顶向下与自下而上相结合的跟踪框架 102
一、结合自顶向下策略的跟踪错误恢复 103
二、多分量可变模型的更新 104
三、难度负样本处理 106
第六节 实验结果 107
一、困难负样本对跟踪效果的提升 108
二、算法定量对比 109
三、算法对比定性分析 112
第七节 小结 119
第五章 结论与展望 120
第一节 全书工作总结 120
第二节 未来工作 121
参考文献 123
后记 140