先進視覺檢測網絡及其應用 版權信息
- ISBN:9787512139312
- 條形碼:9787512139312 ; 978-7-5121-3931-2
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>>
先進視覺檢測網絡及其應用 本書特色
視覺檢測網絡是計算機視覺領域一個備受關注的新興研究方向,是視覺分析、目標檢測、大數據網絡等應用的基礎。目前視覺檢測網絡正逐步應用于社會各個行業,為人們的生活帶來更多便利。本書附以較多的應用范例,具有較高的學術價值。本書將視覺檢測與大數據網絡相結合,緊跟現在大數據研究的發展趨勢,同時這種學術思想也貫穿全書。其主要包括先進視覺網絡技術基礎、視覺網絡中的拓撲架構分析、視覺網絡中的海量數據傳輸擁塞及對策、視覺網絡中的傳輸能耗優化、視覺網絡中海量數據并行處理方法、弱對比度目標檢測、特定目標GPS定位方法、視覺網絡中智能算法及其應用等內容。
先進視覺檢測網絡及其應用 內容簡介
本書系統介紹了先進視覺檢測網絡的基本問題及其相關處理技術主要內容涉及先進視覺檢測網絡的理論、算法和典型應用實例。本書共9章, 主要內容包括先進視覺檢測網絡技術基礎、先進視覺檢測網絡中的拓撲架構分析、先進視覺檢測網絡中的海量數據傳輸擁塞及對策、先進視覺檢測網絡中的傳輸能耗優化、先進視覺檢測網絡中海量數據并行處理方法等。
先進視覺檢測網絡及其應用 目錄
第1章 **視覺檢測網絡技術基礎
1.1 計算機視覺基礎
1.1.1 計算機視覺技術的原理
1.1.2 計算機視覺技術的圖像處理方法
1.2 視覺網絡技術基礎
1.2.1 視覺網絡
1.2.2 視覺網絡的特點
1.2.3 視覺網絡的基本結構
1.2.4 視覺網絡的關鍵技術
1.3 平安城市
1.3.1 整體設計思路
1.3.2 平安城市高清網絡視頻監控系統聯網方案
1.3.3 資源共享平臺建設
1.3.4 高清網絡視頻監控系統在平安城市中的優勢
第2章 **視覺檢測網絡中的拓撲架構分析
2.1 分簇策略
2.2 無線傳感器網絡拓撲控制的基本概念
2.3 層簇型網絡監測模型
2.4 基于正六邊形劃分的結點部署策略
2.4.1 混合拓撲模型
2.4.2 覆蓋度分析
2.4.3 結點能耗分析
2.5 基于臨界距離的混合跳路由分析
2.6 典型的無線傳感器網絡拓撲算法
2.6.1 結點功率控制算法
2.6.2 網內結點協同啟發機制算法
2.7 本章小結
第3章 **視覺檢測網絡中的海量數據傳輸擁塞及對策
3.1 網絡模型建立
3.2 蛙跳算法
3.3 基于改進蛙跳算法的自適應多路徑方法
3.4 仿真實驗與分析
3.4.1 函數仿真
3.4.2 多路徑仿真
3.5 本章小結
第4章 **視覺檢測網絡中的傳輸能耗優化
4.1 簇頭結點的優化選擇過程
4.2 基于感知概率的一階段簇頭結點選取
4.3 基于生存時間估計的二階段簇頭結點選取
4.4 仿真實驗與分析
4.5 本章小結
第5章 **視覺檢測網絡中海量數據并行處理方法
5.1 海量車輛圖像背景下綜合特征并行處理
5.1.1 概述
5.1.2 海量車輛圖像數據分布式處理方案
5.1.3 車輛目標的綜合特征選取
5.1.4 基于分布式流形算法的SIFT特征降維處理
5.1.5 實驗與分析
5.1.6 結論
5.2 基于改進型局部保持投影算法的作物生長特征優化方法
5.2.1 概述
5.2.2 作物生長特征
5.2.3 改進型LPP算法
5.2.4 基于改進型LPP算法的特征優化流程
5.2.5 仿真實驗與分析
5.2.6 結論
第6章 **視覺檢測網絡中弱對比度目標檢測
6.1 基于多波長透反射成像的相似目標檢測
6.1.1 概述
6.1.2 相似目標的多波長成像特性
6.1.3 多波長透反射檢測模型
6.1.4 多波長透反射檢測實驗
6.1.5 結論
6.2 基于多級知識庫的弱對比度車輛目標檢測
6.2.1 概述
6.2.2 檢測算法描述
6.2.3 檢測原理
6.2.4 仿真實驗與分析
6.2.5 結論
6.3 基于綠色聯想機制的弱對比度車輛目標識別
6.3.1 概述
6.3.2 模型描述
6.3.3 綠色神經元交互聯想網絡
6.3.4 聯想機制模型
6.3.5 仿真實驗與分析
6.3.6 結論
第7章 **視覺檢測網絡中特定目標檢測
7.1 基于*優參數搜索的車輛中網識別
7.1.1 概述……………………………………………………………………~
7.1.2 圖像特征*優參數搜索
7.1.3 分類識別
7.1.4 結論
7.2 基于復合卷積神經網絡模型的車標識別
7.2.1 概述
7.2.2 復合CNN模型
7.2.3 車標識別系統
7.2.4 仿真實驗與分析
7.3 基于像素統計分析的運動特征點提取及基于瞬時能量特征的突發人群異常檢測
7.3.1 概述
7.3.2 基于像素統計分析的運動特征點提取
7.3.3 基于瞬時能量特征的突發人群異常檢測
7.3.4 仿真實驗與分析
7.3.5 結論
7.4 基于自適應顯著度水平集的復雜車燈圖像分割
7.4.1 **外技術背景
7.4.2 基于Li模型的水平集演化算法
7.4.3 基于自適應顯著度水平集的圖像分割方法
7.4.4 仿真實驗與分析
7.4.5 結論
7.5 結合改進蟻群算法的視覺注意機制車標定位
7.5.1 概述
7.5.2 多尺度全局顯著度計算和區域復雜度計算
7.5.3 基于蟻群優化的焦點轉移機制
7.5.4 仿真實驗與分析
7.6 結合前景像素統計與紋理特征的人群密度等級分類
7.6.1 概述
7.6.2 人群密度等級分類基本流程
7.6.3 仿真實驗與分析
7.6.4 結論
第8章 **視覺檢測網絡中特定目標GPS定位方法
8.1 基于關聯-控制點校正的新型GPS數據采集方法
8.1.1 概述
8.1.2 關聯-控制點校正
8.1.3 環路定位校正
8.1.4 仿真實驗與分析
8.1.5 結論
8.2 基于雙圓形區域劃分的高精度地圖匹配算法
8.2.1 概述
8.2.2 雙圓形區域劃分
8.2.3 基于位置點匹配的直線和曲線軌道匹配算法
8.2.4 仿真實驗與分析
8.2.5 結論
8.3 面向軌道交通站場中復雜岔點的高精度匹配算法
8.3.1 概述
8.3.2 軌道交通站場岔點分析及匹配規則
8.3.3 基于分隔線分類的岔點緩沖區匹配算法
8.3.4 仿真實驗與分析
展開全部
先進視覺檢測網絡及其應用 作者簡介
郟東耀,博士,北京交通大學副教授,博士生導師。美國IEEE高級會員(SeniorMember),中國自動化學會高級會員,中國電子學會高級會員。2006年畢業于清華大學精密測量技術及儀器國家重點實驗室,獲清華大學工學博士學位。主要科研方向為新型檢測技術及數據處理、智能視覺檢測技術、無線傳感網新理論、新方法及其應用。國內外相關領域發表論文近70篇,其中SCI、EI檢索期刊論文50篇。主持或參與國家863重大專項子課題、國家863重大項目、國家自然科學基金重大項目、國家科技部“科技支撐”項目、地方鐵路局、地鐵公司、企業合作等多個工程科研項目。