掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
城市復雜交通場景下的運動車輛跟蹤技術研究 版權信息
- ISBN：9787564166748
- 條形碼：9787564166748 ; 978-7-5641-6674-8
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
城市復雜交通場景下的運動車輛跟蹤技術研究 本書特色
采用計算機視覺技術對城市交通中的車輛進行檢測與跟蹤是當前計算機視覺與模式識別領域研究的熱點問題，應用機器學習算法解決相應難點問題已經成為近年來常見的研究手段。從視頻序列圖像巾檢測和識別出運動車輛屬性的前提就是穩健并地跟蹤預定目標。《城市復雜交通場景下的運動車輛跟蹤技術研究》結合作者近幾年的相關研究成果，全面系統地介紹了運動車輛的檢測與跟蹤的技術概況、主要原理、經典方法和相關研究的新成果。《城市復雜交通場景下的運動車輛跟蹤技術研究》內容新穎，聯系智慧城市建設與智能交通檢測等問題，可以作為高等院校及科研院所計算機視覺、模式識別與機器學習等領域高年級本科生、研究生的教學和參考用書，也可以供相關領域科研與工程技術人員作為參考書使用。
城市復雜交通場景下的運動車輛跟蹤技術研究 內容簡介
本書結合作者近幾年的相關研究成果，全面系統地介紹了運動車輛的檢測與跟蹤的技術概況、主要原理、經典方法和相關研究的*新成果。
城市復雜交通場景下的運動車輛跟蹤技術研究 目錄
1 緒論
1．1 車輛跟蹤的研究背景
1．2 國內外研究現狀及其應用
1．3 涉及的主要研究內容、面臨的難點與解決方法
1．4 已有技術手段及其弱點
1．5 研究所采用的技術方案與路線
1．6 標準測試視頻集及相關國內外主流雜志、會議
1．7 本書的結構安排
2 視覺目標車輛跟蹤中粒子濾波算法的改進
2．1 粒子濾波簡介
2．2 視覺目標跟蹤中的粒子濾波理論分析
2．3 引入前幀加權采樣的粒子濾波目標跟蹤
2．4 引入殘差信息的分層重采樣1 緒論
1．1 車輛跟蹤的研究背景
1．2 國內外研究現狀及其應用
1．3 涉及的主要研究內容、面臨的難點與解決方法
1．4 已有技術手段及其弱點
1．5 研究所采用的技術方案與路線
1．6 標準測試視頻集及相關國內外主流雜志、會議
1．7 本書的結構安排
2 視覺目標車輛跟蹤中粒子濾波算法的改進
2．1 粒子濾波簡介
2．2 視覺目標跟蹤中的粒子濾波理論分析
2．3 引入前幀加權采樣的粒子濾波目標跟蹤
2．4 引入殘差信息的分層重采樣
2．4．1 目前幾種典型的重采樣策略
2．4．2 引入殘差信息的分層重采樣算法步驟
2．4．3 引入殘差信息的分層重采樣的仿真研究
2．4．4 本章改進的重采樣在運動車輛跟蹤中的實際測試
2．5 視覺車輛跟蹤中的特征選擇與分析
2．5．1 本章所用紋理特征
2．5．2 車輛跟蹤算法流程、試驗結果與分析
3 子空間學習框架下的實時車輛圖像跟蹤
3．1 基于圖像的子空間學習在車輛跟蹤中的研究背景
3．2 增量主成分分析IPCA方法
3．2．1 Hall的增量主成分分析IPCA算法
3．2．2．Ross提出的IPCA算法
3．2．3 基于自相關矩陣更新與EVI）分解的IPCA
3．3 基于自相關矩陣的IPCA算法的執行
3．4 子空間更新方法的算法復雜度對比
3．5 自相關矩陣IPCA視覺跟蹤的總體流程
3．5．1 本章跟蹤涉及的相關參數與解釋
3．5．2 本章目標車輛跟蹤方法的總體執行流程
3．6 車輛跟蹤的實驗結果與對比分析
4 基于李群理論與特征子空間基的車輛跟蹤
4．1 引言
4．2 群空間在視覺跟蹤算法中的引入
4．3 基于仿射群組幾何屬性的視覺目標跟蹤
4．3．1 李群與李代數
4．3．2 基于仿射群組的目標狀態方程及其描述
4．3．3 融入測量向量后的粒子權值的更新與計算
4．3．4 增量PCA算法及目標圖像特征子空間向量基
4．4 本章視覺目標跟蹤算法的總體框架
4．5 基于標準數據源的試驗與分析
5 基于在線學習理論的車輛識別與跟蹤
5．1 車輛在線識別跟蹤難點及研究背景
5．2 基于運動模板檢測的online boosting算法
5．2．1 MT online boosting算法的構成與執行流程
5．2．2 MT online boosting算法中識別特征的選擇
5．2．3 在線學習樣本的檢測定位及弱分類器的更新
5．2．4 參數設置及試驗結果
6 B對偶空間幾何中基于消隱點的攝像機標定與測距
6．1 目前常見的攝像機標定方法與視覺測距
6．2 B對偶空間幾何中攝像機內參數初值的計算方法
6．2．1 B對偶空間幾何的相關屬性
6．2．2 B對偶空間下基于消隱點的內參數計算方法
6．3 本章攝像機標定的流程與相關參數
6．4 試驗結果與對比分析
6．5 基于視覺方法的前車車距計算
參考文獻信息
1．1 車輛跟蹤的研究背景
1．2 國內外研究現狀及其應用
1．3 涉及的主要研究內容、面臨的難點與解決方法
1．4 已有技術手段及其弱點
1．5 研究所采用的技術方案與路線
1．6 標準測試視頻集及相關國內外主流雜志、會議
1．7 本書的結構安排
2 視覺目標車輛跟蹤中粒子濾波算法的改進
2．1 粒子濾波簡介
2．2 視覺目標跟蹤中的粒子濾波理論分析
2．3 引入前幀加權采樣的粒子濾波目標跟蹤
2．4 引入殘差信息的分層重采樣1 緒論
1．1 車輛跟蹤的研究背景
1．2 國內外研究現狀及其應用
1．3 涉及的主要研究內容、面臨的難點與解決方法
1．4 已有技術手段及其弱點
1．5 研究所采用的技術方案與路線
1．6 標準測試視頻集及相關國內外主流雜志、會議
1．7 本書的結構安排
2 視覺目標車輛跟蹤中粒子濾波算法的改進
2．1 粒子濾波簡介
2．2 視覺目標跟蹤中的粒子濾波理論分析
2．3 引入前幀加權采樣的粒子濾波目標跟蹤
2．4 引入殘差信息的分層重采樣
2．4．1 目前幾種典型的重采樣策略
2．4．2 引入殘差信息的分層重采樣算法步驟
2．4．3 引入殘差信息的分層重采樣的仿真研究
2．4．4 本章改進的重采樣在運動車輛跟蹤中的實際測試
2．5 視覺車輛跟蹤中的特征選擇與分析
2．5．1 本章所用紋理特征
2．5．2 車輛跟蹤算法流程、試驗結果與分析
3 子空間學習框架下的實時車輛圖像跟蹤
3．1 基于圖像的子空間學習在車輛跟蹤中的研究背景
3．2 增量主成分分析IPCA方法
3．2．1 Hall的增量主成分分析IPCA算法
3．2．2．Ross提出的IPCA算法
3．2．3 基于自相關矩陣更新與EVI）分解的IPCA
3．3 基于自相關矩陣的IPCA算法的執行
3．4 子空間更新方法的算法復雜度對比
3．5 自相關矩陣IPCA視覺跟蹤的總體流程
3．5．1 本章跟蹤涉及的相關參數與解釋
3．5．2 本章目標車輛跟蹤方法的總體執行流程
3．6 車輛跟蹤的實驗結果與對比分析
4 基于李群理論與特征子空間基的車輛跟蹤
4．1 引言
4．2 群空間在視覺跟蹤算法中的引入
4．3 基于仿射群組幾何屬性的視覺目標跟蹤
4．3．1 李群與李代數
4．3．2 基于仿射群組的目標狀態方程及其描述
4．3．3 融入測量向量后的粒子權值的更新與計算
4．3．4 增量PCA算法及目標圖像特征子空間向量基
4．4 本章視覺目標跟蹤算法的總體框架
4．5 基于標準數據源的試驗與分析
5 基于在線學習理論的車輛識別與跟蹤
5．1 車輛在線識別跟蹤難點及研究背景
5．2 基于運動模板檢測的online boosting算法
5．2．1 MT online boosting算法的構成與執行流程
5．2．2 MT online boosting算法中識別特征的選擇
5．2．3 在線學習樣本的檢測定位及弱分類器的更新
5．2．4 參數設置及試驗結果
6 B對偶空間幾何中基于消隱點的攝像機標定與測距
6．1 目前常見的攝像機標定方法與視覺測距
6．2 B對偶空間幾何中攝像機內參數初值的計算方法
6．2．1 B對偶空間幾何的相關屬性
6．2．2 B對偶空間下基于消隱點的內參數計算方法
6．3 本章攝像機標定的流程與相關參數
6．4 試驗結果與對比分析
6．5 基于視覺方法的前車車距計算
參考文獻信息
展開全部
城市復雜交通場景下的運動車輛跟蹤技術研究 作者簡介
吳剛，男，1976年7月生，漢族，博士、副教授。中國計算機學會(CCF)高級會員。201 4年博士畢業于南京理工大學計算機學院模式識別與智能系統專業。2015年起至今，在河海大學計算機與信息學院博士后流動站從事科研工作，導師為曾曉勤教授。作者同時也是金陵科技學院計算機工程學院的教師。近年來，主要在計算機視覺、機器學習與模式識別領域進行科研工作。近年來，以第1作者身份共計發表論文近20篇，其中EI檢索5篇。參與國家自然科學基金項目4項，省部級項目3項。
書友推薦
- >
姑媽的寶刀
- >
朝聞道
- >
煙與鏡
- >
伊索寓言-世界文學名著典藏-全譯本
- >
小考拉的故事-套裝共3冊
- >
史學評論
- >
推拿
- >
上帝之肋:男人的真實旅程
本類暢銷
