本書系統(tǒng)介紹目前廣泛采用的一些在線目標(biāo)跟蹤方法,對(duì)在線目標(biāo)跟蹤方法的基本思想、動(dòng)機(jī)和設(shè)計(jì)進(jìn)行比較全面的總結(jié)。本書具體綜述基于視頻目標(biāo)檢測(cè)的方法、基于視頻目標(biāo)分割的跟蹤方法;并將這些方法分為不同的類型,探討研究趨勢(shì)。內(nèi)容包括:兩種基于視頻目標(biāo)檢測(cè)的結(jié)構(gòu)化學(xué)習(xí)的目標(biāo)跟蹤方法;基于視頻目標(biāo)檢測(cè)的顏色緊湊二值特征的終身學(xué)習(xí)視頻目標(biāo)跟蹤方法;基于視頻目標(biāo)分割的部件和相關(guān)濾波器的目標(biāo)跟蹤方法及基于語(yǔ)義感知的視頻目標(biāo)跟蹤與分割方法。本書介紹這些方法的基本原理、核心步驟以及實(shí)驗(yàn)驗(yàn)證等。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
目錄
《博士后文庫(kù)》序言
前言
第1章 緒論 1
1.1 概述 1
1.1.1 在線視頻目標(biāo)檢測(cè)與跟蹤 1
1.1.2 在線視頻目標(biāo)分割與跟蹤 2
1.2 視頻目標(biāo)跟蹤的挑戰(zhàn)與問題 3
1.3 視頻目標(biāo)檢測(cè)與跟蹤的研究現(xiàn)狀 4
1.3.1 生成式基于檢測(cè)的視頻目標(biāo)跟蹤 4
1.3.2 判別式基于檢測(cè)的視頻目標(biāo)跟蹤 4
1.4 視頻目標(biāo)分割與跟蹤的研究現(xiàn)狀 5
1.4.1 無(wú)監(jiān)督視頻目標(biāo)分割 6
1.4.2 半監(jiān)督視頻目標(biāo)分割 14
1.4.3 交互式視頻目標(biāo)分割 20
1.4.4 弱監(jiān)督視頻目標(biāo)分割 22
1.4.5 基于分割的跟蹤 23
1.5 數(shù)據(jù)集和性能度量指標(biāo) 28
1.5.1 視頻目標(biāo)跟蹤數(shù)據(jù)集 28
1.5.2 性能度量指標(biāo) 30
1.6 視頻目標(biāo)跟蹤的研究方向 32
參考文獻(xiàn) 32
第2章 基于結(jié)構(gòu)化學(xué)習(xí)的視頻目標(biāo)跟蹤 49
2.1 概述 49
2.2 近似稀疏交叉核的在線結(jié)構(gòu)化學(xué)習(xí)的單目標(biāo)跟蹤 50
2.2.1 相關(guān)工作 51
2.2.2 單目標(biāo)跟蹤方法的概述 52
2.2.3 在線最大間隔結(jié)構(gòu)化學(xué)習(xí)跟蹤 52
2.2.4 單目標(biāo)跟蹤算法 56
2.2.5 實(shí)驗(yàn) 58
2.3 聯(lián)合外觀和運(yùn)動(dòng)推理的結(jié)構(gòu)化學(xué)習(xí)的多目標(biāo)跟蹤 68
2.3.1 相關(guān)工作 69
2.3.2 外觀和運(yùn)動(dòng)的跟蹤方法 70
2.3.3 實(shí)驗(yàn) 75
2.4 本章小結(jié) 81
參考文獻(xiàn) 82
第3章 顏色緊湊二值特征的終身學(xué)習(xí)視頻目標(biāo)跟蹤 86
3.1 概述 86
3.2 相關(guān)工作 87
3.2.1 終身學(xué)習(xí) 87
3.2.2 視覺跟蹤 89
3.3 學(xué)習(xí)具有顏色屬性的緊湊二進(jìn)制編碼 90
3.3.1 具有顏色屬性的HOG特征 90
3.3.2 緊湊的二進(jìn)制編碼學(xué)習(xí) 91
3.4 終身學(xué)習(xí)視覺跟蹤 92
3.4.1 具有終身學(xué)習(xí)的判別外觀模型 92
3.4.2 在線終身學(xué)習(xí)模型更新 93
3.5 實(shí)驗(yàn) 95
3.5.1 實(shí)驗(yàn)設(shè)置 95
3.5.2 定量評(píng)估 95
3.5.3 定性評(píng)估 101
3.6 本章小結(jié) 104
參考文獻(xiàn) 104
第4章 基于部件和相關(guān)濾波器的目標(biāo)跟蹤 109
4.1 概述 109
4.2 基于部件與空間結(jié)構(gòu)保持的核相關(guān)濾波器跟蹤方法 110
4.2.1 相關(guān)工作 110
4.2.2 核相關(guān)濾波器跟蹤 111
4.2.3 部件權(quán)重結(jié)構(gòu)學(xué)習(xí) 112
4.2.4 空間約束檢測(cè) 113
4.2.5 實(shí)驗(yàn) 114
4.3 基于高效密集置信傳播的實(shí)時(shí)相關(guān)濾波器跟蹤方法 116
4.3.1 相關(guān)工作 118
4.3.2 構(gòu)建馬爾可夫隨機(jī)場(chǎng)模型的視覺跟蹤 119
4.3.3 密集置信傳播的推理 123
4.3.4 提出的跟蹤算法 125
4.3.5 實(shí)驗(yàn) 127
4.4 本章小結(jié) 137
參考文獻(xiàn) 138
第5章 基于語(yǔ)義感知的視頻目標(biāo)跟蹤與分割 143
5.1 概述 143
5.2 相關(guān)工作 144
5.2.1 視頻目標(biāo)跟蹤 144
5.2.2 語(yǔ)義的視頻目標(biāo)跟蹤 145
5.2.3 語(yǔ)義分割 145
5.2.4 序列語(yǔ)義標(biāo)簽 146
5.2.5 尺度估計(jì) 146
5.3 視頻序列的語(yǔ)義目標(biāo)采樣生成 146
5.3.1 類別級(jí)語(yǔ)義生成 147
5.3.2 目標(biāo)級(jí)語(yǔ)義估計(jì) 147
5.4 基于語(yǔ)義的視頻目標(biāo)跟蹤 151
5.4.1 模板模型 151
5.4.2 語(yǔ)義干擾物感知的顏色外觀模型 152
5.4.3 具體語(yǔ)義兼容性的聚合跟蹤 153
5.4.4 與相關(guān)工作的差異 154
5.5 基于分割的尺度自適應(yīng) 155
5.5.1 基于分割的精確目標(biāo)定位 155
5.5.2 局部證據(jù)信息 156
5.5.3 精確的目標(biāo)邊界框 156
5.5.4 與相關(guān)工作的差異 156
5.6 實(shí)驗(yàn) 157
5.6.1 整體性能 158
5.6.2 成分分析 168
5.7 本章小結(jié) 176
參考文獻(xiàn) 177
第6章 總結(jié)與展望 181
6.1 總結(jié) 181
6.2 展望 182
編后記 184
彩圖