智能视频分析与步态识别 - 中国高校教材图书网
|
|
书名: |
智能视频分析与步态识别
|
ISBN: | 9787560656830 |
条码: | |
作者: |
李占利
相关图书
|
装订: | 0 |
印次: | 1-1 |
开本: | 16开 |
定价: |
¥33.00
折扣价:¥31.35
折扣:0.95
节省了1.65元
|
字数: |
282千字
|
出版社: |
西安电子科技大学出版社 |
页数: |
224页
|
发行编号: | 5606 |
每包册数: |
13
|
出版日期: |
2020-08-04 |
|
内容简介: |
本书系统介绍了智能视频处理和步态识别的理论、方法及其改进方案。全书共分为两部分:第一部分为智能视频分析,介绍了智能视频分析常用优化方法、摄像机标定与迭代优化方法、视频中运动目标检测方法、视频中运动目标跟踪方法及非重叠视域多摄像机目标跟踪方法;第二部分为步态识别,介绍了视频中步态身份识别技术、基于轮廓特征的步态识别方法、基于协同表示与核协同表示的步态识别方法及基于步态帧差熵图的视角归一化步态识别方法。 本书可供人工智能、机器学习、计算机视觉、数字图像处理和计算机图形学等专业研究人员或研究生参考使用。
|
作者简介: |
|
章节目录: |
第一部分 智能视频分析
第1章 绪论 3
1.1 智能视频分析 3
1.1.1 智能视频分析概述 4
1.1.2 智能视频分析面临的问题 4
1.1.3 本书关于智能视频分析的研究内容 7
1.2 步态识别 7
1.2.1 步态识别概述 7
1.2.2 步态识别面临的问题 10
1.2.3 本书关于步态识别的研究内容 10
本章小结 11
参考文献 11
第2章 智能视频分析常用优化方法 14
2.1 最优化理论和方法概述 14
2.2 最优化问题的数学模型 16
2.3 计算机视觉中常用的优化方法 17
2.3.1 最小二乘法 17
2.3.2 最速下降法 20
2.3.3 牛顿法 20
2.3.4 拟牛顿法 21
2.4 计算机视觉基础及优化问题 24
2.4.1 计算机视觉常用坐标系和摄像机模型 24
2.4.2 视觉测量系统及计算机视觉中的优化问题 30
本章小结 35
参考文献 35
第3章 摄像机标定与迭代优化方法 37
3.1 摄像机标定优化模型 37
3.2 摄像机标定方法分析 38
3.3 基于迭代优化的摄像机标定方法 40
3.3.1 摄像机标定迭代优化的基本思想 40
3.3.2 摄像机内参估计 41
3.3.3 摄像机外参估计 41
3.3.4 摄像机畸变系数估计 44
3.3.5 基于LM算法的摄像机参数迭代优化 46
3.3.6 精度评定标准 49
3.4 摄像机标定实验与分析 50
3.4.1 初始标定 51
3.4.2 二次标定 51
3.4.3 摄像机标定实验 52
3.4.4 实验结果分析 54
本章小结 59
参考文献 59
第4章 视频中运动目标检测方法 61
4.1 视频中运动目标检测的基本方法 61
4.1.1 帧差分法 61
4.1.2 背景减除法 62
4.1.3 光流法 65
4.2 图像预处理 66
4.2.1 图像降噪 67
4.2.2 图像增强 70
4.3 基于混合高斯模型的井下目标检测方法及其改进 72
4.3.1 混合高斯模型 72
4.3.2 改进的混合高斯模型背景建模算法 75
4.3.3 实验与分析 78
4.4 基于帧差分法与背景减除法的井下运动目标检测算法 81
4.4.1 基于帧差分法与背景减除法的算法 81
4.4.2 实验与分析 82
本章小结 84
参考文献 84
第5章 视频中运动目标跟踪方法 86
5.1 运动目标跟踪方法概述 86
5.2 视频目标跟踪主要方法 87
5.2.1 基于滤波理论的目标跟踪方法 87
5.2.2 基于MeanShift的目标跟踪方法 87
5.2.3 基于活动轮廓的目标跟踪方法 88
5.2.4 基于贝叶斯估计的目标跟踪方法 89
5.3 基于粒子滤波的井下运动目标跟踪方法 90
5.3.1 贝叶斯重要性采样 90
5.3.2 序列重要性采样 92
5.3.3 基于样本集的目标状态的估计 93
5.3.4 基于粒子滤波的井下运动目标跟踪算法实现与分析 93
5.4 实验与分析 96
本章小结 100
参考文献 100
第6章 非重叠视域多摄像机目标跟踪方法 102
6.1 多摄像机网络拓扑关系估计 102
6.2 基于高斯和互相关函数的拓扑估计方法 103
6.2.1 网络拓扑结点估计 104
6.2.2 拓扑结点之间的连接关系分析 104
6.2.3 转移时间概率分布的估计 105
6.2.4 实验与分析 106
6.3 摄像机间的目标关联 112
6.4 基于拓扑关系和表观模型相融合的目标关联方法 113
6.4.1 确定候选目标集 114
6.4.2 建立目标轨迹关联 115
6.4.3 目标模型学习与更新 116
6.4.4 实验与分析 117
本章小结 120
参考文献 121
第二部分 步 态 识 别
第7章 视频中步态身份识别技术 127
7.1 步态识别方法流程 127
7.1.1 步态识别预处理 128
7.1.2 步态特征的提取与表达 132
7.1.3 步态特征的分类 135
7.2 影响因素与性能预测 137
7.2.1 影响因素 137
7.2.2 性能预测 138
7.3 步态数据库 139
本章小结 141
参考文献 141
第8章 基于轮廓特征的步态识别方法 143
8.1 基于多轮廓特征融合的步态识别 143
8.1.1 轮廓特征 143
8.1.2 基于多轮廓特征融合的步态识别方法 148
8.1.3 实验与分析 149
8.2 基于序列轮廓变化特征的步态识别 154
8.2.1 序列轮廓变化特征 154
8.2.2 基于序列轮廓变化特征的步态识别方法 156
8.2.3 实验与分析 158
8.3 基于双特征匹配层融合的步态识别方法 162
8.3.1 Hu矩特征 162
8.3.2 帧差百分比特征 164
8.3.3 特征融合 165
8.3.4 实验与分析 166
本章小结 168
参考文献 169
第9章 基于协同表示与核协同表示的步态识别方法 172
9.1 步态能量图特征 172
9.1.1 计算步态能量图 172
9.1.2 主成分分析降维 173
9.1.3 GEI降维 174
9.2 基于协同表示的步态识别方法 175
9.2.1 稀疏表示与协同表示 176
9.2.2 基于协同表示的步态识别方法 180
9.2.3 实验与分析 182
9.3 基于核协同表示的步态识别方法 184
9.3.1 核方法 185
9.3.2 核主成分分析 187
9.3.3 基于核协同表示的步态识别方法 189
9.3.4 实验与分析 190
本章小结 193
参考文献 193
第10章 基于步态帧差熵图的视角归一化步态识别方法 195
10.1 视角归一化原理 195
10.1.1 不变特征 195
10.1.2 低秩特性 196
10.1.3 视角归一化与低秩优化 197
10.2 基于步态帧差熵图的视角归一化方法 198
10.2.1 步态帧差熵图 198
10.2.2 低秩变换 199
10.2.3 增广Lagrange乘子法 201
10.2.4 增广Lagrange乘子法求解优化问题 203
10.3 实验与分析 204
10.3.1 步态特征图像归一化前后结果 205
10.3.2 视角归一化前后的识别效果对比 205
本章小结 208
参考文献 208
附录 中英文缩写对照 212
|
精彩片段: |
|
书 评: |
|
其 它: |
|
|
|