国产精品自拍偷拍a,大鸡鸡巴插进逼里操逼抽插视频,亚洲美女在线一区二区三区,亚洲黄色av电影在线观看,cao超碰在线免费观看,中文字幕日本高清一区,91五十路人妻斩一区二区,3d蜜桃臀一片式无痕冰丝内裤,欧美性受视频一区二区三区四区下

上篇 智能視頻監(jiān)控中目標檢測與識別概論
第1章 緒論
1.1 智能視頻監(jiān)控概述
1.1.1 智能視頻監(jiān)控的發(fā)展
1.1.2 智能視頻監(jiān)控中的關鍵問題
1.2 智能視頻監(jiān)控的研究內(nèi)容
1.2.1 智能視頻監(jiān)控的系統(tǒng)結(jié)構(gòu)
1.2.2 智能視頻監(jiān)控的難題
1.3 研究現(xiàn)狀與應用前景
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 特征匹配關鍵技術
2.2.2 特征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(nèi)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(tài)場景理解
2.4.3 動態(tài)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(jiān)控中的背景建模
3.2.1 背景提取與更新算法概述
3.2.2 基于GMM的背景提取與更新算法
3.2.3 基于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索算法
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(jié)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 基于特征的跟蹤方法
4.2.2 基于3D的跟蹤方法
4.2.3 基于主動輪廓的跟蹤方法
4.2.4 基于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(tǒng)
4.3.2 蒙特卡洛采樣(Monte Carlo Sampling)
4.3.3 貝葉斯重要性采樣(Bayesian Importance Sampling)
4.3.4 序列化重要性采樣(Sequential Importance Sampling)
4.3.5 粒子濾波(Particle Filte)一般算法描述
4.3.6 粒子數(shù)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(xié)同
4.4.3 攝像機之間的數(shù)據(jù)通訊
4.4.4 多攝像機系統(tǒng)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 基于形狀信息的分類
5.1.2 基于運動特性的分類
5.1.3 混合方法
5.2 分類的特征提取
5.2.1 視頻圖像的兩種特征
5.2.2 分類特征選擇
5.3 分類器構(gòu)造
5.3.1 支持向量機理論
5.3.2 多類支持向量機
5.3.3 特征訓練
5.4 訓練和分類方案
5.4.1 靜態(tài)圖像訓練分類模型
5.4.2 動態(tài)視頻中運動對象的分類
5.4.3 訓練和分類的實驗結(jié)果
參考文獻
第6章 行為理解技術
6.1 行為理解的特征選擇與運動表征
6.1.1 特征選擇
6.1.2 運動表征
6.2 場景分析
6.2.1 場景結(jié)構(gòu)
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(jié)構(gòu)
6.4 行為識別
6.4.1 基于模板匹配方法
6.4.2 基于狀態(tài)轉(zhuǎn)移的圖模型方法
6.4.3 行為識別的實現(xiàn)
6.5 高層行為與場景理解
6.6 行為理解存在的問題與發(fā)展趨勢
參考文獻
下篇 智能視頻監(jiān)控應用實例
第7章 白天車輛檢測實例
7.1 道路交通樣本庫的采集與組織
7.1.1 樣本的采集
7.1.2 樣本庫元信息和組織
7.2 車輛檢測系統(tǒng)結(jié)構(gòu)設計
7.2.1 基于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(tǒng)框圖
7.3 背景重構(gòu)
7.3.1 視頻背景重構(gòu)技術回顧
7.3.2 基于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(jié)果
7.5 虛擬線圈車輛檢測法
7.5.1 數(shù)學形態(tài)學后處理與狀態(tài)機
7.5.2 交通參數(shù)的測量
第8章 夜間車輛檢測實例
8.1 夜間視頻車輛檢測系統(tǒng)框架
8.2 攝像機配置
8.2.1 攝像機安裝和標定
8.2.2 車燈在路面上的投影與視野的設置
8.3 車燈提取配對跟蹤算法
8.3.1 車燈提取與車燈形狀特征
8.3.2 配對跟蹤算法
8.3.3 交通參數(shù)計算與實驗結(jié)果和分析
第9章 晝夜亮度變化及切換方法
9.1 離線亮度變化建模
9.1.1 交通視頻亮度變化實例與S型曲線
9.1.2 離線曲線擬合
9.1.3 在線亮度變化識別
9.2 晝夜檢測算法的切換方法
9.2.1 亮度模型分析與切換時間選取策略
9.2.2 過渡時段的切換方法
9.2.3 切換方法試驗結(jié)果
9.3 仿真試驗平臺
第10章 距離測量實例
10.1 攝像機標定及距離測量
10.1.1 OpenCV中的標定方法
10.1.2 測距算法
10.2 實驗與結(jié)果分析
10.2.1 內(nèi)參數(shù)矩陣與場景無關性
10.2.2 標定平面上兩點間距離測量
10.2.3 垂直于標定平面軸線上兩點間距離測量
10.2.4 雙視角同時標定，任意兩點間距離測量
第11章 客流檢測系統(tǒng)實例
11.1 視頻圖像采集與數(shù)據(jù)結(jié)果傳輸
11.1.1 視頻圖像采集系統(tǒng)設置
11.1.2 視頻文件
11.1.3 數(shù)據(jù)結(jié)果的傳輸
11.2 基于背景檢測的行人檢測
11.2.1 背景分割
11.2.2 行人檢測
11.3 基于blob檢測的行人跟蹤與計數(shù)策略
11.3.1 基于blob的跟蹤方法
11.3.2 計數(shù)策略
11.4 算法的工程實現(xiàn)與實驗結(jié)果
后記