復(fù)雜環(huán)境運動目標(biāo)檢測技術(shù)及應(yīng)用
定 價:40 元
- 作者:丁瑩 等著
- 出版時間:2014/1/1
- ISBN:9787118091137
- 出 版 社:國防工業(yè)出版社
- 中圖法分類:TP302.7
- 頁碼:146
- 紙張:膠版紙
- 版次:1
- 開本:16開
《復(fù)雜環(huán)境運動目標(biāo)檢測技術(shù)及應(yīng)用》簡要介紹了當(dāng)前典型的運動目標(biāo)檢測技術(shù),并根據(jù)其實現(xiàn)原理分析了各種方法的適用范圍和場合;圍繞監(jiān)控設(shè)備實際拍攝的圖像序列所存在的光學(xué)畸變、環(huán)境光照變化、陰影及攝像頭的運動等復(fù)雜條件,對運動目標(biāo)檢測的若干關(guān)鍵技術(shù)進行了研究和探討,包括廣角攝像機的成像原理、標(biāo)定模型和畸變校正方法,靜態(tài)場景中分類特征的優(yōu)選、相似性度量和特征融合方法,動態(tài)場景中圖像的配準(zhǔn)技術(shù)等;此外,考慮到空間偵察、夜視導(dǎo)航等軍事領(lǐng)域,對運動目標(biāo)檢測技術(shù)的特殊需求,介紹了紅外圖像和雙目視覺圖像中的運動目標(biāo)檢測技術(shù);最后,以智能監(jiān)控系統(tǒng)為例,介紹了運動目標(biāo)檢測技術(shù)的具體應(yīng)用情況。
由丁瑩、楊華民、范靜濤、蔣振剛、李巖芳編著的《復(fù)雜環(huán)境運動目標(biāo)檢測技術(shù)及應(yīng)用》既有理論基礎(chǔ),又有實踐經(jīng)驗。第一章對運動目標(biāo)檢測技術(shù)進行概述,第二章分析比較了幾種典型的運動目標(biāo)檢測方法的適用性,第三章介紹了基于GPU的視頻圖像預(yù)處理技術(shù),第四章介紹了靜態(tài)場景運動目標(biāo)檢測技術(shù),第五章介紹了動態(tài)場景運動目標(biāo)檢測技術(shù),第六章介紹了紅外圖像運動目標(biāo)檢測技術(shù),第七章介紹了基于雙目視覺的運動目標(biāo)檢測技術(shù),第八章介紹了運動目標(biāo)檢測技術(shù)在智能監(jiān)控系統(tǒng)中的應(yīng)用,第九章分析了未來發(fā)展趨勢。
第1章 概述
1.1 基本概念
1.2 研究進展
1.3 技術(shù)難點分析
1.4 主要應(yīng)用領(lǐng)域
第2章 典型的運動目標(biāo)檢測技術(shù)及適用性分析
2.1 基于光流法的運動目標(biāo)檢測技術(shù)
2.1.1 基本概念
2.1.2 算法原理
2.1.3 常見的光流法
2.2 基于幀差法的運動目標(biāo)檢測技術(shù)
2.2.1 基本思想
2.2.2 算法流程
2.3 基于背景差法的運動目標(biāo)檢測
2.3.1 基本思想 第1章 概述
1.1 基本概念
1.2 研究進展
1.3 技術(shù)難點分析
1.4 主要應(yīng)用領(lǐng)域
第2章 典型的運動目標(biāo)檢測技術(shù)及適用性分析
2.1 基于光流法的運動目標(biāo)檢測技術(shù)
2.1.1 基本概念
2.1.2 算法原理
2.1.3 常見的光流法
2.2 基于幀差法的運動目標(biāo)檢測技術(shù)
2.2.1 基本思想
2.2.2 算法流程
2.3 基于背景差法的運動目標(biāo)檢測
2.3.1 基本思想
2.3.2 算法流程
2.4 混合高斯背景建模
2.4.1 混合高斯背景模型的建立
2.4.2 混合高斯背景模型的更新
2.5 不同運動目標(biāo)檢測技術(shù)的適用性分析
第3章 攝像機畸變校正技術(shù)
3.1 數(shù)理模型
3.1.1 坐標(biāo)系
3.1.2 攝像機標(biāo)定模型
3.1.3 非線性畸變模型
3.2 攝像機標(biāo)定方法的分類
3.2.1 基于標(biāo)定物的標(biāo)定法
3.2.2 攝像機自標(biāo)定方法
3.2.3 基于主動視覺的標(biāo)定方法
3.2.4 不同攝像機標(biāo)定方法的適用性分析
3.3 基于GPU的畸變校正加速算法
3.3.1 采用CUDA技術(shù)的GPU
3.3.2 基于網(wǎng)格標(biāo)定的校正技術(shù)原理
3.3.3 GBGC算法概述
3.3.4 GBGC算法關(guān)鍵步驟
3.4 實驗結(jié)果分析
第4章 靜態(tài)場景運動目標(biāo)檢測技術(shù)
4.1 基本原理
4.2 分類特征的選擇
4.2.1 顏色特征
4.2.2 紋理特征
4.3 相似性度量的定義
4.4 基于Choquet積分的特征融合
4.5 基于自適應(yīng)閾值的圖像分割算法
4.5.1 定義
4.5.2 基本步驟
4.5.3 閾值更新策略
4.6 實驗結(jié)果分析
4.6.1 顏色特征選擇實驗
4.6.2 ULBP紋理特征選擇實驗
4.6.3 自適應(yīng)分類閾值確定實驗
4.6.4 復(fù)雜背景條件下運動目標(biāo)檢測實驗
4.6.5 運動目標(biāo)檢測效果的定量分析
第5章 動態(tài)場景運動目標(biāo)檢測技術(shù)
5.1 基本原理
5.2 基于多尺度Harris角點SAM的圖像配準(zhǔn)算法
5.2.1 算法基礎(chǔ)
5.2.2 算法描述
5.2.3 多尺度邊緣檢測算法
5.2.4 多尺度Hartis角點檢測算法
5.2.5 相似性測度的定義及誤匹配點對的刪除
5.2.6 圖像配準(zhǔn)實驗
5.3 基于幀差法的運動目標(biāo)檢測算法
5.3.1 算法描述
5.3.2 具體實現(xiàn)
5.3.3 幀差法實驗
5.4 實驗結(jié)果分析
第6章 紅外圖像運動目標(biāo)檢測技術(shù)
6.1 基本原理
6.2 基于小波系數(shù)相關(guān)度的圖像去噪增強算法
6.2.1 問題描述
6.2.2 算法描述
6.2.3 具體實現(xiàn)
6.2.4 圖像去噪增強實驗
6.3 特征的相似性度量
6.4 基于Sugeno模糊積分的分類特征融合
6.5 實驗結(jié)果分析
第7章 基于雙目視覺的運動目標(biāo)檢測技術(shù)
7.1 雙目視覺基本原理
7.2 實現(xiàn)步驟
7.3 雙目攝像機標(biāo)定
7.4 雙目立體匹配
7.4.1 特殊性及難點
7.4.2 具體實現(xiàn)
第8章 運動目標(biāo)檢測技術(shù)在智能監(jiān)控系統(tǒng)中的應(yīng)用
8.1 智能監(jiān)控系統(tǒng)的發(fā)展歷程
8.2 運動目標(biāo)檢測技術(shù)應(yīng)用情況
參考文獻