注冊(cè) | 登錄讀書(shū)好，好讀書(shū)，讀好書(shū)！

當(dāng)前位置：首頁(yè)出版圖書(shū)工具書(shū)科技工具書(shū)復(fù)雜場(chǎng)景視頻目標(biāo)跟蹤方法

復(fù)雜場(chǎng)景視頻目標(biāo)跟蹤方法

定　價(jià)：￥49.80

作　者：	初紅霞
出版社：	哈爾濱工程大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787566131966	出版時(shí)間：	2021-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	156	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)系統(tǒng)、全面地介紹了復(fù)雜場(chǎng)景下視頻目標(biāo)跟蹤領(lǐng)域的研究成果，主要內(nèi)容包括：空間相關(guān)背景加權(quán)直方圖均值移動(dòng)目標(biāo)跟蹤、粒子濾波目標(biāo)跟蹤、CAMSHIFT目標(biāo)跟蹤、核粒子濾波目標(biāo)跟蹤、Adaboost檢測(cè)和混合粒子濾波融合的多目標(biāo)跟蹤、粒子濾波多目標(biāo)跟蹤、基于多示例學(xué)習(xí)的目標(biāo)跟蹤、基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤。同時(shí)，結(jié)合多特征融合的方法，給出了基于復(fù)雜場(chǎng)景下的目標(biāo)跟蹤方法的應(yīng)用示例，旨在提高讀者對(duì)于視頻目標(biāo)跟蹤技術(shù)的理解、設(shè)計(jì)及實(shí)踐能力，為從事目標(biāo)跟蹤相關(guān)的科學(xué)研究、工程應(yīng)用等工作奠定基礎(chǔ)。本書(shū)可作為模式識(shí)別、人工智能、自動(dòng)化、電子信息等相關(guān)專(zhuān)業(yè)高年級(jí)本科生、研究生的參考書(shū)，也可為從事模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能、智能信息處理等相關(guān)領(lǐng)域的研究和工程技術(shù)人員提供參考。

作者簡(jiǎn)介

暫缺《復(fù)雜場(chǎng)景視頻目標(biāo)跟蹤方法》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 課題研究的目的和意義
1.2 目標(biāo)跟蹤研究中面臨的主要問(wèn)題
1.3 目標(biāo)跟蹤算法外研究現(xiàn)狀
1.4 本書(shū)的主要研究?jī)?nèi)容和章節(jié)安排
第2章空間相關(guān)背景加權(quán)直方圖均值移動(dòng)目標(biāo)跟蹤
2.1 均值移動(dòng)概述
2.2 空間直方圖均值移動(dòng)目標(biāo)跟蹤
2.3 空間相關(guān)背景加權(quán)直方圖均值移動(dòng)目標(biāo)跟蹤
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第3章均值移動(dòng)優(yōu)化的粒子濾波目標(biāo)跟蹤
3.1 粒子濾波概述
3.2 尺度和方向自適應(yīng)均值移動(dòng)跟蹤
3.3 多特征融合均值移動(dòng)優(yōu)化粒子濾波目標(biāo)跟蹤
3.4 實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第4章基于粒子濾波的改進(jìn)CAMSHIFT目標(biāo)跟蹤
4.1 基本CAMSHIFT算法
4.2 改進(jìn)的CAMSHIFT目標(biāo)跟蹤算法
4.3 改進(jìn)的CAMSHIFT和粒子濾波組合算法
4.4 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
第5章核粒子濾波目標(biāo)跟蹤
5.1 核粒子濾波
5.2 多線(xiàn)索融合的核粒子濾波
5.3 實(shí)驗(yàn)結(jié)果與分析
5.4 本章小結(jié)
第6章 Adaboost檢測(cè)和混合粒子濾波融合的多目標(biāo)跟蹤
6.1 混合粒子濾波
6.2 模板新
6.3 混合粒子濾波目標(biāo)跟蹤
6.4 Adaboost檢測(cè)和混合粒子濾波融合跟蹤
6.5 本章小結(jié)
第7章改進(jìn)的粒子濾波多目標(biāo)跟蹤
7.1 改進(jìn)的粒子濾波多目標(biāo)跟蹤基本理論
7.2 粒子濾波多目標(biāo)跟蹤實(shí)驗(yàn)與分析
7.3 本章小結(jié)
第8章基于粒子濾波和多示例學(xué)習(xí)的目標(biāo)跟蹤
8.1 壓縮感知和多示例學(xué)習(xí)基本理論
8.2 基于壓縮感知的多示例學(xué)習(xí)目標(biāo)跟蹤算法
8.3 粒子濾波預(yù)測(cè)
8.4 目標(biāo)跟蹤算法的偽碼及算法流程
8.5 實(shí)驗(yàn)結(jié)果與分析
8.6 本章小結(jié)
第9章基于粒子濾波和卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤
9.1 深度學(xué)習(xí)
9.2 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
9.3 基于粒子濾波和卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤
9.4 實(shí)驗(yàn)結(jié)果與分析