內容簡介
《智慧型視頻監控中目標檢測與識別》系統介紹了智慧型視頻監控中目標檢測與識別的基本問題及其相關處理技術。主要內容包括智慧型視頻監控的理論、算法和典型套用實例。包括計算機視覺基本理論、運動目標檢測技術、運動目標跟蹤和分類技術、運動的場景分析及行為理解技術。其中目標的檢測與識別技術在資助的科研項目中有成熟可行的套用實例。《智慧型視頻監控中目標檢測與識別》內容由淺人深、循序漸進，著重於經典內容和最新進展的結合，並輔以較多的套用範例。《智慧型視頻監控中目標檢測與識別》可作為高等院校有關專業的研究生和高年級本科生的教學參考書，也可供相關專業的科技人員學習參考。
圖書目錄
上篇 智慧型視頻監控中目標檢測與識別概論
第1章 緒論
1.1 智慧型視頻監控概述
1.1.1 智慧型視頻監控的發展
1.1.2 智慧型視頻監控中的關鍵問題
1.2 智慧型視頻監控的研究內容
1.2.1 智慧型視頻監控的系統結構
1.2.2 智慧型視頻監控的難題
1.3 研究現狀與套用前景
參考文獻
第2章 計算機運動視覺相關理論
2.1 攝像機的標定
2.1.1 坐標系的變換
2.1.2 攝像機的標定
2.2 雙目立體視覺
2.2.1 特徵匹配關鍵技術
2.2.2 特徵匹配算法分類與立體成像
2.3 運動視覺
2.3.1 運動視覺的研究內容
2.3.2 運動視覺處理框架
2.4 場景理解
2.4.1 場景理解認知框架
2.4.2 靜態場景理解
2.4.3 動態場景理解
參考文獻
第3章 運動目標檢測技術
3.1 運動目標檢測概述
3.1.1 光流法
3.1.2 相鄰幀差法
3.1.3 背景差法
3.1.4 邊緣檢測方法
3.1.5 其他重要的相關方法
3.2 視頻監控中的背景建模
3.2.1 背景提取與更新算法概述
3.2.2 基於GMM的背景提取與更新算法
3.2.3 基於AKGMM的背景提取與更新算法
3.2.4 去除陰影
3.3 ROI面積縮減車輛檢測搜尋算法
3.3.1 改進的幀差法
3.3.2 圖像的腐蝕與膨脹
3.3.3 車輛目標分割識別
3.3.4 實驗結果與分析
參考文獻
第4章 運動目標跟蹤技術
4.1 目標跟蹤的分類
4.2 目標跟蹤方法
4.2.1 基於特徵的跟蹤方法
4.2.2 基於3D的跟蹤方法
4.2.3 基於主動輪廓的跟蹤方法
4.2.4 基於運動估計的跟蹤方法
4.3 粒子濾波器
4.3.1 離散貝葉斯濾波系統
4.3.2 蒙特卡洛採樣
4.3.3 貝葉斯重要性採樣
4.3.4 序列化重要性採樣
4.3.5 粒子濾波(Particle Filte)一般算法描述
4.3.6 粒子數目N的選取
4.4 多視角目標跟蹤
4.4.1 目標交接
4.4.2 多攝像機的協同
4.4.3 攝像機之間的數據通訊
4.4.4 多攝像機系統總體設計與集成
參考文獻
第5章 運動目標分類技術
5.1 目標分類方法
5.1.1 基於形狀信息的分類
5.1.2 基於運動特性的分類
5.1.3 混合方法
5.2 分類的特徵提取
5.2.1 視頻圖像的兩種特徵
5.2.2 分類特徵選擇
5.3 分類器構造
5.3.1 支持向量機理論
5.3.2 多類支持向量機
5.3.3 特徵訓練
5.4 訓練和分類方案
5.4.1 靜態圖像訓練分類模型
5.4.2 動態視頻中運動對象的分類
5.4.3 訓練和分類的實驗結果
參考文獻
第6章 行為理解技術
6.1 行為理解的特徵選擇與運動表征
6.1.1 特徵選擇
6.1.2 運動表征
6.2 場景分析
6.2.1 場景結構
6.2.2 場景知識庫的建立和更新
6.3 行為建模
6.3.1 目標描述
6.3.2 約束表達
6.3.3 分層的行為模型結構
6.4 行為識別
6.4.1 基於模板匹配方法
6.4.2 基於狀態轉移的圖模型方法
6.4.3 行為識別的實現
6.5 高層行為與場景理解
6.6 行為理解存在的問題與發展趨勢
參考文獻
下篇 智慧型視頻監控套用實例
第7章 白天車輛檢測實例
7.1 道路交通樣本庫的採集與組織
7.1.1 樣本的採集
7.1.2 樣本庫元信息和組織
7.2 車輛檢測系統結構設計
7.2.1 基於視頻的車輛檢測方法概述
7.2.2 虛擬線圈車輛檢測法的算法流程
7.2.3 系統框圖
7.3 背景重構
7.3.1 視頻背景重構技術回顧
7.3.2 基於IMFKGMM的背景提取與更新算法
7.4 灰度空間陰影檢測算法研究
7.4.1 彩色圖像的灰度變換
7.4.2 算法原理
7.4.3 試驗結果
7.5 虛擬線圈車輛檢測法
7.5.1 數學形態學後處理與狀態機
7.5.2 交通參數的測量
第8章 夜間車輛檢測實例
第9章 晝夜亮度變化及切換方法
第10章 距離測量實例
第11章 客流檢測系列實例
……
