掃一掃
關注中圖網
官方微博
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
智能視頻數據處理與挖掘/信息科學技術專著叢書 版權信息
- ISBN：9787563564446
- 條形碼：9787563564446 ; 978-7-5635-6444-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能視頻數據處理與挖掘/信息科學技術專著叢書 內容簡介
本書主要研究了智能視頻數據處理與挖掘相關技術及應用，以提高視頻數據中異常事件檢測與識別的智能化、精準化、魯棒性、實時性等性能為目的，從而實現對異常突發事件及時預測和預警，保障公共安全。本書首先研究了視頻數據的去噪技術，重點研究了基于殘差卷積神經網絡的視頻去噪算法；然后研究了視頻數據的超分辨率重建技術，重點研究了基于深度學習、半耦合字典學習和時空非局部相似性特征的視頻超分辨率重建算法；其次研究了視頻的顯著性時空特征提取算法，然后在此基礎上研究了視頻異常事件檢測與識別技術，重點研究了基于稀疏組合學習的視頻異常事件檢測算法，以及基于時空感知深度網絡的視頻異常事件識別算法。*后構建了視頻數據去噪和超分辨率重建系統，并以面向智慧旅游領域的旅游景區視頻數據為例，將本書提出的相關模型和算法應用于旅游景區視頻數據的智能挖掘，構建了旅游景區視頻異常事件檢測與識別系統，及時自動監測旅游突發事件。此外，本書相關技術還可應用于智慧城市、智能交通、智慧校園、智慧醫療等領域，切實加強保障公共安全，以實現智慧安防。 本書體系結構完整，注重理論聯系實際，可作為計算機應用、人工智能、大數據、電子信息等相關專業的工程技術人員、科研人員、研究生和高年級本科生參考用書。
智能視頻數據處理與挖掘/信息科學技術專著叢書 目錄
第1章 緒論
1.1 研究背景與意義
1.2 國內外研究現狀
1.2.1 視頻超分辨率重建方法的研究現狀
1.2.2 視頻去噪方法的研究現狀
1.2.3 視頻異常事件檢測方法的研究現狀
1.2.4 視頻異常事件識別方法的研究現狀
參考文獻
第2章 相關技術
2.1 稀疏字典學習
2.1.1 低秩矩陣的生成
2.1.2 低秩矩陣的分解
2.2 視頻的時空相似性學習
2.3 視頻特征提取
2.3.1 運動目標檢測
2.3.2 背景建模方法
2.3.3 行為特征表示
2.4 基于深度學習模型的視頻超分辨率重建
2.4.1 基于深度卷積神經網絡的超分辨率重建算法概述
2.4.2 深度卷積神經網絡在超分辨率重建算法中的應用
2.5 視頻異常事件檢測
2.5.1 基于深度學習的異常事件檢測方法
2.5.2 基于稀疏表示的異常事件檢測方法
2.6 視頻異常事件識別
本章小結
參考文獻
第3章 基于殘差卷積神經網絡的視頻去噪
3.1 基于殘差卷積神經網絡的視頻去噪算法框架
3.2 基于殘差卷積神經網絡的視頻去噪算法實現
3.2.1 基于低秩矩陣分解的稀疏字典去噪
3.2.2 殘差圖像預處理
3.2.3 卷積神經網絡訓練
3.2.4 基于殘差卷積神經網絡的視頻去噪算法的實現步驟
3.3 實驗結果及分析
3.3.1 實驗一：不同噪聲方差下對隨機噪聲的去噪效果對比實驗
3.3.2 實驗二：相同噪聲方差下對不同噪聲的去噪效果對比實驗
本章小結
參考文獻
第4章 基于半耦合字典學習和時空非局部相似性的視頻超分辨率重建
4.1 引言
4.2 視頻超分辨率重建觀測模型
4.3 基于非局部相似性的超分辨率重建
4.4 基于半耦合字典學習和時空非局部相似性的視頻超分辨率重建算法
4.4.1 CNLSR算法研究動機
4.4.2 CNLSR算法框架
4.4.3 CNLSR算法數學模型
4.4.4 CNLSR算法描述
4.4.5 CNLSR算法步驟
4.5 實驗結果與分析
4.5.1 實驗數據集
4.5.2 客觀評價指標
4.5.3 實驗結果與分析
本章小結
參考文獻
第5章 基于深度學習和時空特征自相似性的視頻超分辨率重建
5.1 引言
5.2 基于深度學習和時空特征相似性的視頻超分辨率重建算法
5.2.1 DLsS-VSR算法研究動機
5.2.2 DLss-VSR算法框架
5.2.3 DLSs-VSR算法數學模型
5.2.4 DLSs-VSR算法描述
5.2.5 DLSS-VSR算法步驟
5.3 實驗結果與分析
5.3.1 實驗數據集
5.3.2 客觀評價指標
5.3.3 實驗結果與分析
本章小結
參考文獻
第6章 視頻顯著性時空特征提取
6.1 視頻顯著性時空特征提取的算法框架
6.2 視頻顯著性時空特征提取的算法實現
6.2.1 視頻背景建模和前景檢測
6.2.2 視頻顯著性時空特征提取
6.2.3 視頻顯著性時空特征降維
6.3 視頻顯著性時空特征提取實驗結果
6.3.1 視頻背景建模和前景檢測結果
6.3.2 視頻顯著性時空特征提取結果
本章小結
參考文獻
第7章 基于稀疏組合學習的視頻異常事件檢測
7.1 基于稀疏組合學習的視頻異常事件檢測的算法框架
7.2 基于稀疏組合學習的視頻異常事件檢測的算法實現
7.2.1 基于稀疏組合學習的異常事件檢測的主要思想
7.2.2 基于稀疏組合學習的異常事件檢測的訓練過程
7.2.3 基于稀疏組合學習的異常事件檢測的測試過程
7.3 實驗結果與分析
7.3.1 數據集
7.3.2 評價指標
7.3.3 ScenicSpot景區數據集的實驗結果與分析
7.3.4 Avenue標準數據集的實驗結果與分析
7.3.5 UCSD Pedl數據集的實驗結果與分析
本章小結
參考文獻
第8章 基于時空感知深度網絡的視頻異常事件識別
8.1 基于時空感知深度網絡的視頻異常事件識別的算法框架
8.2 基于時空感知深度網絡的視頻異常事件識別的算法實現
8.2.1 時空感知深度網絡
8.2.2 時空金字塔池化
8.2.3 基于時空感知深度網絡的異常事件識別
8.3 實驗結果與分析
8.3.1 數據集
8.3.2 評價指標
8.3.3 旅游景區數據集的實驗結果與分析
8.3.4 Avenue數據集的實驗結果與分析
本章小結
參考文獻
第9章 視頻數據去噪和超分辨率重建系統
9.1 引言
9.2 系統總體設計
9.3 系統詳細設計
9.3.1 視頻預處理模塊詳細設計
9.3.2 視頻超分辨率重建模塊詳細設計
9.3.3 性能評價模塊詳細設計
9.4 系統主要功能模塊的實現
9.4.1 視頻預處理模塊的實現
9.4.2 視頻超分辨率重建模塊的實現
9.4.3 性能評價模塊的實現
本章小結
第10章 旅游景區視頻異常事件檢測與識別系統
10.1 系統需求分析
10.2 系統總體設計
10.3 系統功能模塊的詳細設計
10.3.1 視頻特征提取模塊
10.3.2 異常事件檢測模塊
10.3.3 異常事件識別模塊
……
展開全部
智能視頻數據處理與挖掘/信息科學技術專著叢書 作者簡介
梁美玉，博士，碩士生導師，北京郵電大學計算機學院副教授。2014—2016年間在北京郵電大學做博士后研究工作，出站后留校工作。主要研究方向為人工智能、跨媒體數據挖掘、計算機視覺等。主持了國家自然科學基金面上項目、青年科學基金項目等，并先后參加了多項國家和省部級科研項目，包括國家重點研發項目、973課題、國家自然科學基金重點項目、國家自然科學基金重大國際合作研究項目、國家自然科學基金重大研究計劃項目、863課題等。
書友推薦
- >
回憶愛瑪儂
- >
詩經-先民的歌唱
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
我從未如此眷戀人間
- >
自卑與超越
- >
史學評論
- >
名家帶你讀魯迅:故事新編
- >
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
