视频目标检测和跟踪及其应用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]

视频目标检测和跟踪及其应用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预处理 1

1.2目标检测 2

1.3目标跟踪 3

1.4应用实例 5

第2章 预处理技术 6

2.1图像去模糊 7

2.1.1模糊图像处理技术简介 7

2.1.2经典图像恢复算法 10

2.1.3盲反卷积图像恢复 16

2.1.4其他图像恢复方法 19

2.2视频稳像 21

2.2.1图像匹配与运动估计 22

2.2.2运动补偿 23

2.3红外图像预处理 24

2.3.1空域滤波法 25

2.3.2频域滤波法 28

2.3.3基于背景复杂程度描述的方法 32

2.3.4基于数学形态学的Top - hat变换 34

2.4监控图像预处理 38

2.4.1灰度图像预处理 39

2.4.2图像降噪与超分辨率 40

2.4.3 PTZ相机 42

2.5小结 45

参考文献 45

第3章 图像中的目标检测 51

3.1图像中红外小目标检测 52

3.1.1基于PCA族的红外小目标检测方法 54

3.1.2基于概率PCA的红外小目标检测方法 58

3.1.3基于多尺度几何分析的红外小目标检测算法 64

3.1.4基于稀疏表示的红外小目标检测算法 68

3.2行人检测 72

3.2.1基于隐形状模型的目标检测 73

3.2.2基于HOG特征和SVM的检测方法 80

3.3人脸检测方法 89

3.3.1基于分类器级联结构的快速人脸检测 89

3.3.2多视角人脸检测系统 93

3.4视觉显著性与显著性检测 98

3.4.1基于增量信息的视觉显著性检测 100

参考文献 108

第4章 运动目标检测 112

4.1运动目标检测 113

4.1.1 W4算法 114

4.1.2混合高斯模型 117

4.1.3基于MAP-MRF的方法 121

4.1.4帧差法 129

4.2视频对象分割 132

4.2.1交互式视频对象分割 132

4.2.2自动视频对象分割 138

4.3小结 155

参考文献 155

第5章 基于均值漂移的跟踪方法 159

5.1 Mean-shift算法介绍 161

5.1.1核密度梯度估计 161

5.1.2 Mean-shift（均值偏移）理论 164

5.1.3 Mean- shift目标跟踪算法 166

5.2 Mean-shif t算法特征分析 171

5.2.1 Mean-shift算法收敛性分析 171

5.2.2 Mean- shift迭代轨迹的光滑性 173

5.2.3 Mean-shift矢量幅值与窗宽的关系 175

5.3基于分段的Mean-shift目标跟踪方法 176

5.3.1融合框架 177

5.3.2基于多个图像段的Mean - shift目标跟踪算法 178

5.3.3基于多特性、多图像块的Mean- shift 180

5.3.4分段方法及图像段的权值计算 181

5.3.5分段跟踪算法 184

5.3.6实验结果及讨论 185

5.4基于微分SSIM （DSSIM）的跟踪算法研究 189

5.4.1 SSIM介绍 190

5.4.2微分SSIM跟踪方法 191

5.4.3 DSSIM跟踪算法 193

5.4.4 DSSIM算法的实验验证及结果分析 194

5.4.5加入尺度变化的S - DSSIM跟踪算法 197

5.5基于自适应带宽Mean - shift目标跟踪算法 202

5.5.1仿射模型 202

5.5.2特征点的匹配 204

5.5.3后向跟踪-形心配准 205

5.5.4自适应带宽跟踪算法描述 205

5.5.5特征点对的回归 206

5.5.6实验结果 208

5.6基于核直方图Kalman滤波的模型更新 211

5.6.1核函数直方图的更新 212

5.6.2滤波参数的自整定 213

5.6.3实验结果 215

5.7小结 217

参考文献 218

第6章 基于粒子滤波的跟踪方法 221

6.1贝叶斯滤波框架 221

6.1.1最优估计与估计准则 222

6.1.2贝叶斯意义下的状态估计 226

6.2卡尔曼滤波及改进算法 229

6.2.1卡尔曼滤波 229

6.2.2扩展卡尔曼滤波 230

6.2.3 Unscented卡尔曼滤波 232

6.3粒子滤波 236

6.3.1蒙特卡罗随机模拟 236

6.3.2标准粒子滤波器 237

6.3.3粒子滤波采样策略 239

6.3.4退化现象和重采样 244

6.4基于粒子滤波的视觉跟踪算法 246

6.4.1基于粒子滤波的视觉跟踪基本理论框架 246

6.4.2基于标准粒子滤波的视觉跟踪算法 250

6.4.3基于卡尔曼预测采样粒子滤波的视觉跟踪算法 252

6.4.4基于MCMC采样粒子滤波的视觉跟踪算法 257

6.5基于粒子滤波与均值漂移的视觉跟踪算法 260

6.5.1基于两层观测模型的混合跟踪算法 261

6.5.2基于本征空间学习和KPF目标跟踪 267

6.6多目标跟踪 272

6.6.1数据关联与粒子滤波的结合 273

6.6.2基于图模型的多目标跟踪算法 278

6.7基于粒子滤波的红外目标跟踪 286

6.7.1基于粒子滤波的单红外目标跟踪 286

6.7.2基于粒子滤波的多红外目标跟踪 291

6.7.3基于显著性的红外目标跟踪 291

6.8小结 301

参考文献 301

第7章 应用实例 307

7.1视频监控系统 308

7.1.1视频监控系统框架 308

7.1.2多视角目标识别及消失／重现目标识别问题 309

7.1.3异常行为检测与识别 320

7.2人脸识别系统 351

7.2.1多视角人脸检测和验证 351

7.2.2人脸重定位算法 357

7.2.3基于视频的多视角人脸跟踪 358

7.2.4人脸识别 366

7.2.5多任务决策融合编程架构 368

7.3小结 368

参考文献 369