中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
序列圖像中運動目標跟蹤方法 版權信息
- ISBN：9787030272423
- 條形碼：9787030272423 ; 978-7-03-027242-3
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
序列圖像中運動目標跟蹤方法 本書特色
本書是“智能科學技術著作叢書”之一，全書共分10個章節，主要對序列圖像中運動目標跟蹤方法作了介紹，具體內容包括基于粒子濾波器的目標跟蹤算法、基于積分圖像的快速粒子濾波器跟蹤、利用二階信息的mean shift目標跟蹤算法、基于mean shift的仿射變換和相似性變換目標跟蹤、基于偏微分方程的目標跟蹤方法等。該書可供各大專院校作為教材使用，也可供從事相關工作的人員作為參考用書使用。
序列圖像中運動目標跟蹤方法 內容簡介
本書主要內容包括目標跟蹤的介紹(第1章)、基于濾波理論的目標跟蹤方法(第2～4章)、基于mean shift的目標跟蹤方法(第5～9章)和基于偏微分方程的目標跟蹤方法(第10章)，介紹了相關跟蹤方法的研究背景、理論基礎、算法描述、計算復雜性分析，并給出了相應的實驗結果。本書是序列圖像中目標跟蹤方面的專著，反映了作者近年來在這一領域的主要研究成果。
本書內容新穎、結構清晰、語言簡練，可作為大專院校及科研院所圖像處理、視頻處理和計算機視覺等領域的高年級本科生、研究生的教材和參考書，也可作為相關領域的教師、科研人員以及從事安防、視頻監控行業的工程技術人員的參考書。
序列圖像中運動目標跟蹤方法 目錄
前言
第1章 緒論
1.1 目標跟蹤的應用
1.1.1 在智能人機交互中的應用
1.1.2 在醫療診斷中的應用
1.1.3 在智能機器人中的應用
1.1.4 在視頻監控中的應用
1.2 目標跟蹤的分類
1.2.1 基于濾波理論的目標跟蹤方法
1.2.2 基于mean shift的目標跟蹤方法
1.2.3 基于偏微分方程的目標跟蹤方法
參考文獻
第2章 基于unseented卡爾曼濾波器的目標跟蹤
2.1 引言
2.2 目標輪廓的b樣條曲線表達
2.2.1 樣條函數空間和b樣條基函數
2.2.2 b樣條曲線空間、樣條向量空間和形狀空間及其內積和范數
2.3 運動模型的學習
2.3.1 運動模型的*大似然學習
2.3.2 運動模型的*大期望學習
2.4 卡爾曼濾波器跟蹤算法
2.5 unscented卡爾曼濾波器跟蹤算法
2.5.1 unscented變換
2.5.2 非線性觀測模型
2.5.3 跟蹤算法
2.5.4 實驗
2.6 本章小結
參考文獻
第3章 基于粒子濾波器的目標跟蹤算法
3.1 引言
3.2 動態模型、形狀模型及觀測模型
3.2.1 動態模型
3.2.2 形狀模型和觀測模型
3.3 標準的粒子濾波器和條件概率密度傳播算法
3.3.1 一般的目標跟蹤問題
3.3.2 一般的粒子濾波器
3.3.3 條件概率密度傳播算法
3.4 基于卡爾曼粒子濾波器和unscented粒子濾波器的目標跟蹤算法
3.4.1 基于卡爾曼粒子濾波器的跟蹤算法
3.4.2 基于unscented粒子濾波器的跟蹤算法
3.4.3 算法性能分析和時間分析
3.4.4 實驗
3.5 本章小結
參考文獻
第4章 基于積分圖像的快速粒子濾波器跟蹤
4.1 引言
4.2 基于顏色的粒子濾波器算法
4.2.1 自適應顏色模型
4.2.2 基于積分圖像的顏色模型計算
4.2.3 計算積分圖像的并行算法
4.3 跟蹤算法及實驗
4.3.1 跟蹤算法
4.3.2 實驗
4.4 本章小結
參考文獻
第5章 利用二階信息的mean shift目標跟蹤算法
5.1 引言
5.2 傳統mean shift跟蹤算法
5.2.1 非參量核概率密度估計和mean shift迭代
5.2.2 模型表達及跟蹤算法
5.3 牛頓法
5.3.1 步長選擇模型及終止條件
5.3.2 步長選擇算法
5.4 信賴域方法
5.4.1 信賴域算法
5.4.2 信賴域方向
5.5 實驗
5.6 本章小結
參考文獻
第6章 基于聚類的顏色模型及mean shift跟蹤
6.1 引言
6.2 基于聚類的顏色模型
6.2.1 顏色空間的自適應剖分
6.2.2 顏色模型及相似性度量
6.3 mean shift跟蹤算法
6.3.1 算法的推導過程
6.3.2 算法的復雜性分析
6.3.3 實驗
6.4 本章小結
參考文獻
第7章 基于mean shift的仿射變換和相似性變換目標跟蹤
7.1 引言
7.2 基于mean shift算法的仿射運動目標跟蹤
7.2.1 平移向量的估計
7.2.2 旋轉角度的估計
7.2.3 跟蹤算法
7.2.4 實驗
7.3 基于mean shift算法的相似性變換目標跟蹤
7.3.1 平移向量的估計
7.3.2 旋轉角度的估計
7.3.3 跟蹤算法
7.3.4 實驗
7.4 計算復雜性分析
7.5 本章小結
參考文獻
第8章 并行mean shift目標跟蹤算法
8.1 引言
8.2 cuda介紹
8.3 基于多元高斯分布的顏色空間剖分
8.4 基于gpu的并行mean shift跟蹤算法
8.5 實驗
8.6 本章小結
參考文獻
第9章 基于emd的mean shift跟蹤算法
9.1 引言
9.2 顏色概率密度表達及emd定義
9.2.1 顏色概率密度表達
9.2.2 emd定義
9.3 單純形法計算emd
9.4 基于emd的mean shift算法
9.4.1 相似性度量函數*優化
9.4.2 基于emd的mean shift算法
9.5 實驗.
9.5.1 走廊序列
9.5.2 行人序列
9.6 本章小結
參考文獻
第10章 基于偏微分方程的目標跟蹤方法
10.1 引言
10.2 基于jensen-shannon散度的區域泛函
10.3 偏微分方程的推導
10.3.1 形狀導數理論簡介
10.3.2 基于形狀導數理論的偏微分方程推導
10.3.3 基于變分理論的偏微分方程推導
10.4 目標跟蹤的水平集方法
10.4.1 水平集函數的推導
10.4.2 偏微分方程的時空離散化
10.4.3 數值算法中的重新初始化
10.4.4 實驗
10.5 本章小結
參考文獻
第1章 緒論
1.1 目標跟蹤的應用
1.1.1 在智能人機交互中的應用
1.1.2 在醫療診斷中的應用
1.1.3 在智能機器人中的應用
1.1.4 在視頻監控中的應用
1.2 目標跟蹤的分類
1.2.1 基于濾波理論的目標跟蹤方法
1.2.2 基于mean shift的目標跟蹤方法
1.2.3 基于偏微分方程的目標跟蹤方法
參考文獻
第2章 基于unseented卡爾曼濾波器的目標跟蹤
2.1 引言
2.2 目標輪廓的b樣條曲線表達
2.2.1 樣條函數空間和b樣條基函數
2.2.2 b樣條曲線空間、樣條向量空間和形狀空間及其內積和范數
2.3 運動模型的學習
2.3.1 運動模型的*大似然學習
2.3.2 運動模型的*大期望學習
2.4 卡爾曼濾波器跟蹤算法
2.5 unscented卡爾曼濾波器跟蹤算法
2.5.1 unscented變換
2.5.2 非線性觀測模型
2.5.3 跟蹤算法
2.5.4 實驗
2.6 本章小結
參考文獻
第3章 基于粒子濾波器的目標跟蹤算法
3.1 引言
3.2 動態模型、形狀模型及觀測模型
3.2.1 動態模型
3.2.2 形狀模型和觀測模型
3.3 標準的粒子濾波器和條件概率密度傳播算法
3.3.1 一般的目標跟蹤問題
3.3.2 一般的粒子濾波器
3.3.3 條件概率密度傳播算法
3.4 基于卡爾曼粒子濾波器和unscented粒子濾波器的目標跟蹤算法
3.4.1 基于卡爾曼粒子濾波器的跟蹤算法
3.4.2 基于unscented粒子濾波器的跟蹤算法
3.4.3 算法性能分析和時間分析
3.4.4 實驗
3.5 本章小結
參考文獻
第4章 基于積分圖像的快速粒子濾波器跟蹤
4.1 引言
4.2 基于顏色的粒子濾波器算法
4.2.1 自適應顏色模型
4.2.2 基于積分圖像的顏色模型計算
4.2.3 計算積分圖像的并行算法
4.3 跟蹤算法及實驗
4.3.1 跟蹤算法
4.3.2 實驗
4.4 本章小結
參考文獻
第5章 利用二階信息的mean shift目標跟蹤算法
5.1 引言
5.2 傳統mean shift跟蹤算法
5.2.1 非參量核概率密度估計和mean shift迭代
5.2.2 模型表達及跟蹤算法
5.3 牛頓法
5.3.1 步長選擇模型及終止條件
5.3.2 步長選擇算法
5.4 信賴域方法
5.4.1 信賴域算法
5.4.2 信賴域方向
5.5 實驗
5.6 本章小結
參考文獻
第6章 基于聚類的顏色模型及mean shift跟蹤
6.1 引言
6.2 基于聚類的顏色模型
6.2.1 顏色空間的自適應剖分
6.2.2 顏色模型及相似性度量
6.3 mean shift跟蹤算法
6.3.1 算法的推導過程
6.3.2 算法的復雜性分析
6.3.3 實驗
6.4 本章小結
參考文獻
第7章 基于mean shift的仿射變換和相似性變換目標跟蹤
7.1 引言
7.2 基于mean shift算法的仿射運動目標跟蹤
7.2.1 平移向量的估計
7.2.2 旋轉角度的估計
7.2.3 跟蹤算法
7.2.4 實驗
7.3 基于mean shift算法的相似性變換目標跟蹤
7.3.1 平移向量的估計
7.3.2 旋轉角度的估計
7.3.3 跟蹤算法
7.3.4 實驗
7.4 計算復雜性分析
7.5 本章小結
參考文獻
第8章 并行mean shift目標跟蹤算法
8.1 引言
8.2 cuda介紹
8.3 基于多元高斯分布的顏色空間剖分
8.4 基于gpu的并行mean shift跟蹤算法
8.5 實驗
8.6 本章小結
參考文獻
第9章 基于emd的mean shift跟蹤算法
9.1 引言
9.2 顏色概率密度表達及emd定義
9.2.1 顏色概率密度表達
9.2.2 emd定義
9.3 單純形法計算emd
9.4 基于emd的mean shift算法
9.4.1 相似性度量函數*優化
9.4.2 基于emd的mean shift算法
9.5 實驗.
9.5.1 走廊序列
9.5.2 行人序列
9.6 本章小結
參考文獻
第10章 基于偏微分方程的目標跟蹤方法
10.1 引言
10.2 基于jensen-shannon散度的區域泛函
10.3 偏微分方程的推導
10.3.1 形狀導數理論簡介
10.3.2 基于形狀導數理論的偏微分方程推導
10.3.3 基于變分理論的偏微分方程推導
10.4 目標跟蹤的水平集方法
10.4.1 水平集函數的推導
10.4.2 偏微分方程的時空離散化
10.4.3 數值算法中的重新初始化
10.4.4 實驗
10.5 本章小結
參考文獻
展開全部
序列圖像中運動目標跟蹤方法 節選
《序列圖像中運動目標跟蹤方法》主要內容包括目標跟蹤的介紹(第1章)、基于濾波理論的目標跟蹤方法(第2～4章)、基于MeanShih的目標跟蹤方法(第5～9章)和基于偏微分方程的目標跟蹤方法(第10章)，介紹了相關跟蹤方法的研究背景、理論基礎、算法描述、計算復雜性分析，并給出了相應的實驗結果。《序列圖像中運動目標跟蹤方法》是序列圖像中目標跟蹤方面的專著，反映了作者近年來在這一領域的主要研究成果。《序列圖像中運動目標跟蹤方法》內容新穎、結構清晰、語言簡練，可作為大專院校及科研院所圖像處理、視頻處理和計算機視覺等領域的高年級本科生、研究生的教材和參考書，也可作為相關領域的教師、科研人員以及從事安防、視頻監控行業的工程技術人員的參考書。
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
莉莉和章魚
- >
山海經
- >
姑媽的寶刀
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
我與地壇
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
