智能視頻目標檢測與識別技術(shù)

定　價：￥59.00

作　者：	王生進、謝劍斌、龐彥偉、李亞利
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥46.60)

ISBN：	9787302676317	出版時間：	2024-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)介紹了智能視頻檢測與識別中的主要原理、方法和技術(shù)。智能視頻分析技術(shù)，特別是檢測與識別技術(shù)，在智慧城市、平安城市和公共安防領(lǐng)域的應用，是目前人工智能最好的落地場景應用。引領(lǐng)了人工智能技術(shù)的發(fā)展方向，推動了信息和計算機學科的發(fā)展，同時為人們生活的安全便捷提供了保障。本書按照技術(shù)應用分為檢測篇和識別篇，檢測篇包括視頻目標檢測、無人機對地目標檢測、人臉檢測、行人檢測、車輛檢測、異常檢測；識別篇包括人臉識別、行人再識別、行為識別、場景文字識別與車牌識別。系統(tǒng)介紹了相關(guān)的算法和實現(xiàn)過程，內(nèi)容豐富，既闡述方法原理，圖文并茂；又貼近實際應用，是本領(lǐng)域的學者、研究者、大專院校師生和工程技術(shù)人員極具參考價值的一部介紹相關(guān)科學原理、技術(shù)方法和實際應用的圖書。

作者簡介

　　王生進，清華大學長聘教授，信息認知與智能系統(tǒng)研究所所長、媒體大數(shù)據(jù)認知計算研究中心主任。主要研究領(lǐng)域計算機視覺、機器學習、行人再識別、多模態(tài)機器人腦計算與協(xié)作機器人。參與制定行業(yè)和國家標準7項。獲2008年國家科技進步二等獎1項、獲2006、2021北京市科學技術(shù)獎一等。2018年獲國際模式識別學會ICPR2018最佳論文獎；2019年獲公安部科學技術(shù)獎二等，2019年獲第九屆吳文俊人工智能自然科學獎二等，2021年北京市科學技術(shù)獎技術(shù)發(fā)明一等獎。

圖書目錄

第1章視頻目標檢測
1.1視頻目標檢測概述
1.1.1視頻目標檢測的數(shù)據(jù)集
1.1.2視頻目標檢測的研究思路
1.1.3視頻目標檢測的應用場景
1.2基于深度學習的視頻目標檢測
1.2.1靜態(tài)目標檢測方法
1.2.2視頻目標檢測方法
參考文獻
第2章無人機目標檢測
2.1無人機目標檢測概述
2.1.1無人機目標檢測的挑戰(zhàn)
2.1.2無人機目標檢測數(shù)據(jù)集
2.2無人機目標檢測的一般思路
2.3無人機目標檢測方法
2.3.1基于圖像切分的無人機目標檢測
2.3.2基于尺度自適應特征的無人機目標檢測
2.4無人機目標檢測應用示范
參考文獻
第3章人臉檢測
3.1人臉檢測概述
3.1.1人臉檢測的應用需求
3.1.2研究人臉檢測的基本方法
3.2深度卷積神經(jīng)網(wǎng)絡人臉檢測
3.2.1一種常用的人臉檢測方法框架
3.2.2原理設計
3.2.3人臉檢測測試
3.3人臉檢測應用實例
3.3.1人臉識別
3.3.2虛擬眼鏡佩戴
參考文獻
第4章行人檢測
4.1引言
4.2基于手工設計特征的行人檢測方法
4.2.1基于通道特征的行人檢測方法
4.2.2基于形變模型的行人檢測方法
4.2.3基于非相鄰特征的行人檢測方法
4.3非端到端深度行人檢測方法
4.3.1非端到端行人檢測方法分類
4.3.2基于多層通道特征的行人檢測方法
4.4端到端深度行人檢測方法
4.4.1兩階段行人檢測方法
4.4.2單階段行人檢測方法
4.4.3基于掩膜引導注意力網(wǎng)絡的行人檢測方法
參考文獻
第5章車輛檢測
5.1引言
5.2基于單目的車輛檢測方法
5.2.1基于單目的2D車輛檢測方法
5.2.2基于單目的3D車輛檢測方法
5.3基于雙目的車輛檢測方法
5.3.1雙目車輛檢測方法分類
5.3.2基于高效3D幾何特征的雙目車輛檢測方法
5.3.3基于非均勻采樣的雙目車輛檢測方法
5.4車輛檢測的研究趨勢
參考文獻
第6章異常檢測
6.1異常檢測概述
6.1.1異常的定義
6.1.2異常檢測的定義
6.1.3異常檢測的難點
6.2基于傳統(tǒng)方法的異常檢測
6.2.1基于模型的方法
6.2.2基于聚類的方法
6.2.3基于鄰近度的方法
6.2.4基于分類的方法
6.2.5圖像異常檢測
6.3基于深度學習的異常檢測
6.3.1深度異常檢測方法分類
6.3.2深度圖像異常檢測
6.3.3深度視頻異常檢測
參考文獻
第7章人臉識別
7.1人臉識別概述
7.1.1人臉識別的應用需求
7.1.2人臉識別的研究概要
7.2基于深度學習的人臉識別
7.2.1深度卷積神經(jīng)網(wǎng)絡
7.2.2基于深度學習實現(xiàn)人臉識別
7.3人臉識別算法架構(gòu)
7.3.1人臉檢測
7.3.2人臉關(guān)鍵點定位
7.3.3人臉跟蹤
7.3.4人臉歸一化與特征提取
7.4基于級聯(lián)卷積神經(jīng)網(wǎng)絡的人臉識別
7.4.1網(wǎng)絡架構(gòu)
7.4.2閾值選擇
參考文獻
第8章行人再識別
8.1行人再識別概述
8.1.1行人再識別難點
8.1.2行人再識別研究目標
8.1.3行人再識別研究方法
8.2行人再識別評價指標與數(shù)據(jù)集
8.3基于深度網(wǎng)絡特征空間正交優(yōu)化的行人再識別
8.3.1權(quán)向量間相關(guān)性及其影響
8.3.2SVDNet網(wǎng)絡模型
8.4基于特征配準的行人再識別
8.4.1行人語義部件特征學習
8.4.2行人廣義部件特征學習
8.4.3遮擋等信息不完全條件下的行人部件學習
8.4.4基于特征校正層的深度特征表征方法
8.5面向域泛化行人再識別
參考文獻
第9章行為識別
9.1行為識別概述
9.2行為識別基礎
9.3基于傳統(tǒng)方法的人體行為識別
9.3.1整體特征表示
9.3.2局部特征表示
9.4基于深度學習的人體行為識別
9.4.1雙流網(wǎng)絡結(jié)構(gòu)
9.4.23D卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)
9.4.3混合網(wǎng)絡結(jié)構(gòu)
9.4.4其他行為識別方法
9.5數(shù)據(jù)集
參考文獻
第10章視頻車牌識別
10.1引言
10.2視頻車牌識別研究現(xiàn)狀
10.2.1車牌識別方法
10.2.2車牌檢測方法
10.2.3車牌跟蹤方法
10.2.4數(shù)據(jù)集與測試指標
10.3基于深度學習的車牌識別方法
10.3.1特征提取網(wǎng)絡
10.3.2編碼器解碼器模型
10.3.3圖像校正方法
10.3.4預訓練方法
10.3.5車牌識別實驗結(jié)果
10.4視頻車牌識別系統(tǒng)
10.4.1基于自注意力機制的車牌檢測方法
10.4.2多目標車牌跟蹤方法
10.4.3實驗結(jié)果
參考文獻