视频图像运动目标检测技术pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

视频图像运动目标检测技术PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论 1

1.1 智能视频监控技术 1

1.2 运动目标检测技术 5

1.2.1 静态背景下的运动目标检测技术 6

1.2.2 动态背景下的运动目标检测技术 8

1.2.3 运动阴影消除技术 11

1.3 本书内容安排 12

参考文献 14

第2章 采用改进混合高斯模型的运动目标检测 19

2.1 引言 19

2.2 混合高斯模型原理 20

2.3 混合高斯背景模型的性能提升 23

2.3.1 基于偏差均值的匹配判断 23

2.3.2 基于非线性学习速率的权重更新 24

2.3.3 低权重模型的移除 25

2.3.4 模型等权值初始化方法 26

2.3.5 实验结果及分析 26

2.4 基于隶属度竞争的空间混合高斯模型 29

2.4.1 隶属度的计算 30

2.4.2 前景检测 31

2.4.3 模型更新 33

2.4.4 实验结果及分析 34

参考文献 38

第3章 基于随机码本的运动目标检测 40

3.1 引言 40

3.2 码本背景模型原理 41

3.2.1 码本结构定义 41

3.2.2 码字匹配 41

3.2.3 码本训练 43

3.2.4 前景检测 44

3.2.5 模型更新 44

3.2.6 码本模型不足 45

3.3 视觉背景提取模型原理 45

3.4 基于随机码本的运动目标检测 47

3.4.1 基于YUV空间的码本模型 48

3.4.2 基于空间邻域像素点的码本训练 48

3.4.3 基于随机思想的码本更新 50

3.5 实验结果及分析 51

3.5.1 “鬼影”抑制实验 52

3.5.2 综合性能对比实验 53

参考文献 54

第4章 采用多组单应约束的运动目标检测 56

4.1 引言 56

4.2 基于多组单应约束的前背景轨迹分离 58

4.2.1 邻近帧背景运动的单应模型 58

4.2.2 前背景轨迹分离方法 59

4.3 基于马尔可夫随机场的前背景像素标记 62

4.3.1 能量函数的构造 62

4.3.2 惩罚函数的设计 63

4.4 实验结果及分析 65

4.4.1 轨迹分离实验 66

4.4.2 像素标记实验 68

参考文献 72

第5章 基于多特征融合和直方图反投影的运动阴影去除 75

5.1 引言 75

5.2 阴影产生机理及其光照模型 76

5.2.1 阴影产生机理 76

5.2.2 光照模型 78

5.3 阴影检测常用特征和多特征融合 78

5.3.1 阴影检测常用特征 78

5.3.2 阴影检测常用特征对比 80

5.3.3 多特征融合方式 81

5.4 基于多特征融合和直方图反投影的阴影检测 82

5.4.1 运动阴影初选 83

5.4.2 多特征联合直方图 84

5.4.3 直方图反投影 86

5.4.4 自适应阈值分割 87

5.5 实验结果及分析 88

5.5.1 评价指标与测试数据集 88

5.5.2 实验结果 89

参考文献 93

第6章 基于全局纹理和统计推断的运动阴影去除 97

6.1 引言 97

6.2 基于YUV分量变化比率的阴影检测 98

6.2.1 基于YUV色彩空间的阴影检测模型 98

6.2.2 阴影检测模型的可行性分析 98

6.3 阴影检测阈值的自适应估计 100

6.3.1 抽样样本及其推断 101

6.3.2 全局边缘纹理构造 102

6.3.3 基于抽样推断的阈值区间估计 102

6.4 实验结果及分析 104

6.4.1 不同边缘检测算子对阈值估计的影响 104

6.4.2 手动阈值与估计阈值的对比 104

6.4.3 阴影检测性能对比 104

参考文献 108

第7章 采用GPU并行加速的运动目标检测与阴影去除 110

7.1 引言 110

7.2 CUDA并行计算架构 111

7.2.1 CUDA编程模型 112

7.2.2 多处理器结构及内部资源 115

7.2.3 多级存储器模型 117

7.2.4 CUDA程序性能优化策略 119

7.3 参数自整定的并行粒度划分算法 120

7.3.1 不同硬件之间的资源和性能差异 120

7.3.2 并行粒度划分参数对计算性能的影响 121

7.3.3 并行粒度划分参数自整定 122

7.3.4 图像畸变校正的并行加速实验 124

7.4 随机码本模型和阴影检测算法的GPU加速实验 125

7.4.1 随机码本模型的GPU加速 125

7.4.2 阴影检测算法的GPU加速 127

参考文献 128