选择特殊符号
选择搜索类型
请输入搜索
第1章 绪论
1.1 研究的背景和意义
1.2 视觉跟踪研究的现状
1.2.1 目标描述
1.2.2 跟踪方法
1.3 本书的研究内容和贡献
1.4 本书的章节安排
第2章 MS理论与应用
2.1 引言
2.2 概率密度估计
2.2.1 参数密度估计
2.2.2 非参数密度估计
2.3 MS理论
2.3.1 MS向量
2.3.2 MS迭代的收敛性
2.4 MS视觉跟踪
2.4.1 目标模型
2.4.2 目标候选模型
2.4.3 相似性测度量测
2.4.4 MS搜索
2.4.5 尺度自适应
2.5 本章小结
第3章 基于多特征自适应融合的MS跟踪算法
3.1 引言
3.2 算法描述
3.2.1 颜色特征描述
3.2.2 运动特征描述
3.2.3 MS搜索
3.2.4 特征自适应融合
3.2.5 尺度自适应
3.2.6 算法步骤
3.3 实验结果与分析
3.3.1 序列I跟踪
3.3.2 序列II跟踪
3.3.3 序列III跟踪
3.3.4 序列IV跟踪
3.3.5 序列V跟踪
3.4 算法讨论
3.4.1 直方图计算问题
3.4.2 参考运动直方图选择问题
3.4.3 混乱干扰问题
3.4.4 尺度估计问题
3.4.5 算法的优缺点
3.5 本章小结
第4章 基于MS的鲁棒视觉跟踪算法
4.1 引言
4.2 算法描述
4.2.1 颜色特征描述
4.2.2 运动特征描述
4.2.3 MS搜索
4.2.4 算法步骤
4.3 实验结果与分析
4.3.1 序列I跟踪
4.3.2 序列II跟踪
4.3.3 序列III跟踪
4.3.4 序列IV跟踪
4.3.5 序列V跟踪
4.4 算法讨论
4.4.1 直方图的计算问题
4.4.2 混乱抑制问题
4.5 本章小结
第5章 基于有效外观模型的粒子滤波跟踪算法
5.1 粒子滤波理论
5.1.1 引言
5.1.2 贝叶斯滤波
5.1.3 蒙特卡罗仿真
5.1.4 贝叶斯重要性采样
5.1.5 序贯重要性采样
5.1.6 建议分布选择
5.1.7 粒子退化问题与重采样
5.1.8 粒子滤波算法
5.2 基于有效外观模型的粒子滤波跟踪算法
5.2.1 引言
5.2.2 空间—颜色直方图
5.2.3 空间—颜色直方图相似性测度
5.2.4 相似性测度比较
5.2.5 似然模型和粒子权值
5.2.6 粒子权值快速计算方法
5.2.7 目标运动模型
5.2.8 算法步骤
5.2.9 实验结果与分析
5.2.10 算法讨论
5.3 本章小结
第6章 基于多特征自适应融合的粒子滤波跟踪算法
6.1 引言
6.2 算法描述
6.2.1 目标运动模型
6.2.2 似然模型
6.2.3 特征自适应融合
6.2.4 算法步骤
6.3 实验结果与分析
6.3.1 序列I跟踪
6.3.2 序列II跟踪
6.3.3 序列III跟踪
6.3.4 序列IV跟踪
6.3.5 序列V跟踪
6.4 算法讨论
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 研究展望
参考文献
马加庆编著的《视频运动目标的跟踪方法》对视觉跟踪的基本概念、经典方法、理论基础和研究进展进行了比较详细的介绍和讨论,本书可作为信号与信息处理、通信与电子系统、计算机视觉、模式识别等专业大学本科高年级学生和研究生的参考读物,也可供从事视觉跟踪技术的研究者和工程技术人员参考。 目录
多行人跟踪有很多标准的数据集,其中比较常用的是这个:http://video.sina.com.cn/v/b/94661414-1098474412.html单行人的话可以用这个:http://my....
如果没有制定绩效目标或绩效目标制定得不好,你将很难做好员工的绩效管理工作。 在绩效管理的系统循环中,制定绩效计划、设定绩效目标是非常重要的环节,而在绩效计划里,关键绩效指标管理卡的设置又是重中之重,...
项目管理最基本的方法论是项目目标的动态控制。 其步骤包括:2)将施工成本目标逐层分解;(1)收集施工成本的实际值;(3)将实际值与计划值比较;(4)找出偏差,采取纠偏措施。正确的步骤顺序是(2-1-3...
红外图像中快速运动目标的检测与跟踪方法
红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点。本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法。该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪。测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪。检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值。
一种新型的实效运动目标检测与跟踪方法
针对常用光流场计算耗时长以及亮度变化引起约束方程不成立的问题,同时为了获取目标的准确运动信息,在光流计算方程中加入权函数,并引入通用动态图像模型,建立新的光流约束条件;针对光流技术中计算量和信息量间的矛盾问题,采用基于最优估计点匹配技术和光流均匀采样策略的光流场计算方法。实验结果与算法性能评估表明:该方法能实现实时、准确的运动目标检测与跟踪,且具有较好的鲁棒性。
第1章 绪论
第2章 预处理技术
第3章 图像中的目标检测
第4章 运动目标检测
第5章 基于均值漂移的跟踪方法
第6章 基于粒子滤波的跟踪方法
第7章 应用实例 2100433B
本书涵盖了近30年视频跟踪技术的发展,介绍了视频目标检测跟踪及其应用的最新研究成果和动态,全面系统地介绍了当今世界视频跟踪技术的最新研究进展,重点介绍了预处理技术、图像目标检测、视频目标检测、均值移位跟踪方法、基于粒子滤波的跟踪方法等方面的技术和应用。
第1章绪论1
1.1粒子滤波的发展和应用2
1.2视频目标的检测与跟踪5
1.2.1跟踪目标的视觉特征5
1.2.2常用的视频目标检测方法7
1.2.3常用的视频目标跟踪方法10
1.2.4视频目标跟踪的应用14
1.3粒子滤波在视频目标跟踪中的应用15
1.3.1基于粒子滤波的视频目标跟踪研究现状15
1.3.2基于粒子滤波的视觉跟踪的难点16
1.4基于微分流形粒子滤波的视频跟踪研究18
1.5主要的公共视频数据库20
1.6本书的主要工作22
第2章视频目标的检测与特征提取25
2.1引言25
2.2运动目标检测方法25
2.2.1光流计算法25
2.2.2背景消减法27
2.2.3帧间差分法27
2.3运动目标的特征提取28
2.3.1颜色特征提取28
2.3.2纹理特征提取32
2.3.3运动边缘特征提取34
第3章目标的表观模型35
3.1模板35
3.2活动轮廓模型36
3.3直方图 36
3.3.1直方图密度估计37
3.3.2空间直方图38
3.3.3加权颜色直方图39
3.4核密度估计 40
3.5混合高斯模型41
3.5.1混合高斯模型的数学描述41
3.5.2背景模型的更新43
第4章基于粒子滤波算法的视频目标跟踪45
4.1贝叶斯估计理论45
4.1.1动态系统的状态模型45
4.1.2贝叶斯定理46
4.1.3贝叶斯滤波47
4.1.4蒙特卡罗方法48
4.1.5序贯重要性采样49
4.1.6重采样技术51
4.2粒子滤波算法52
4.2.1标准粒子滤波算法53
4.2.2标准粒子滤波的缺点54
4.2.3各种改进的粒子滤波算法58
4.3基于粒子滤波的视频目标跟踪方法 61
4.3.1概率跟踪方法的数学描述61
4.3.2粒子滤波视频跟踪的状态模型62
4.3.3粒子滤波视频跟踪的观测模型63
4.3.4粒子滤波跟踪实验结果与分析65
第5章基于Mean Shift的粒子滤波跟踪69
5.1Mean Shift概述69
5.2Mean Shift基本理论及其扩展形式70
5.2.1Mean Shift向量70
5.2.2扩展Mean Shift71
5.2.3概率密度梯度73
5.3基本Mean Shift算法74
5.4Mean Shift在目标跟踪中的应用75
5.4.1目标描述和匹配准则75
5.4.2Mean Shift跟踪77
5.4.3跟踪算法流程78
5.5嵌入Mean Shift算法的粒子滤波视频目标跟踪78
5.5.1系统动态模型的设计79
5.5.2系统观测模型的设计79
5.5.3目标定位80
5.5.4Mean Shift粒子聚类80
5.6实验及分析82
第6章基于自适应流形粒子滤波算法的红外小目标跟踪84
6.1红外小目标检测和跟踪方法概述85
6.1.1红外小目标跟踪技术85
6.1.2红外小目标检测技术86
6.2复杂背景下红外小目标图像的预处理算法87
6.2.1红外图像的组成87
6.2.2频域高通滤波法88
6.2.3低通滤波器88
6.2.4中值滤波89
6.2.5基于数学形态学滤波的红外图像预处理89
6.2.6红外图像预处理仿真实验92
6.3基于自适应粒子滤波算法的红外小目标跟踪96
6.3.1基于粒子滤波算法的红外目标跟踪步骤97
6.3.2基于自适应粒子滤波算法的红外小目标跟踪98
6.4[ZK(]基于自适应流形粒子滤波的制导红外小目标跟踪方法[ZK)]107
6.4.1流形基础知识108
6.4.2基于自适应流形粒子滤波的红外小目标跟踪方法109
第7章基于流形聚类粒子滤波算法的视频目标跟踪118
7.1聚类算法119
7.1.1聚类的定义119
7.1.2聚类算法的分类120
7.2最大模糊熵高斯聚类粒子滤波算法(iMCPF)121
7.2.1最大模糊熵高斯聚类121
7.2.2最大模糊熵高斯聚类粒子滤波算法步骤122
7.3粒子稀疏化聚类123
7.3.1粒子稀疏化聚合重采样123
7.3.2粒子交叉聚合124
7.4双重采样自适应粒子滤波算法(DRPF)124
7.4.1基于观测新息的重采样分布方案124
7.4.2双重采样自适应粒子滤波算法步骤125
7.5仿真实验及分析127
7.5.1DR/GPS组合系统模型127
7.5.2仿真实验及结果分析 127
7.6流形学习聚类粒子滤波算法131
7.6.1流形学习 132
7.6.2拉普拉斯特征映射134
7.6.3局部线性嵌入算法134
7.6.4增量式LLE聚类粒子滤波(ILLEDRPF)算法138
7.6.5仿真实验及分析140
7.7流形聚类粒子滤波算法142
7.7.1流形聚类142
7.7.2流形聚类方法144
7.7.3几何能量聚类145
7.7.4Grassmann流形粒子滤波148
7.7.5基于几何能量的流形聚类粒子滤波149
7.7.6仿真实验及分析150
第8章基于李群粒子滤波算法的视频目标跟踪156
8.1流形156
8.1.1流形的定义156
8.1.2流形的距离157
8.2李群流形理论基础158
8.2.1李群和李代数158
8.2.2李群指数映射158
8.2.3李群几何优化159
8.3李群结构的矩阵协方差描述160
8.3.1目标图像多特征提取160
8.3.2协方差的相似度匹配162
8.4李群流形上的粒子滤波算法162
8.4.1将射影变换表示为李群162
8.4.2李群状态模型163
8.4.3李群观测模型164
8.5李群粒子滤波算法流程165
8.6实验结果与分析166
第9章基于李群最优重要性函数粒子滤波算法的视频目标跟踪172
9.1最优重要性密度函数172
9.2基于流形建议分布的粒子滤波器173
9.2.1基于Stiefel流形的粒子滤波器174
9.2.2基于黎曼流形的粒子滤波174
9.3黎曼均值174
9.3.1基于黎曼度量的正定对称阵175
9.3.2改进李群结构的黎曼流形175
9.4李群正态分布175
9.4.1李群上的不变度量和测地线176
9.4.2李群协方差矩阵算法176
9.4.3基于李群指数映射的正态分布177
9.5基于李群正态分布的粒子滤波算法178
9.6实验结果与分析178
参考文献183