序列图像中的目标分析技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

序列图像中的目标分析技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景及意义1

1.2 视频运动目标检测研究现状3

1.2.1 背景差法4

1.2.2 邻帧差法5

1.2.3 光流法5

1.3 视频运动目标定位研究现状6

1.4 视频运动估计研究现状7

1.5 视频运动目标跟踪研究现状8

1.6 本书的内容及章节安排10

1.6.1 本书的内容10

1.6.2 本书的章节安排11

1.7 本章小结13

参考文献13

第2章 基于积累差异背景建模的视频运动目标检测21

2.1 引言21

2.2 基于积累差异的背景建模23

2.2.1 积累差异23

2.2.2 积累差异背景建模23

2.3 Otsu自适应阈值化及目标轮廓提取25

2.3.1 Otsu阈值化算法25

2.3.2 改进的Otsu阈值化算法26

2.3.3 目标轮廓提取27

2.4 两步区域生长目标连通区域标记27

2.5 目标质心关联28

2.5.1 质心标记28

2.5.2 质心关联28

2.6 监控场合行人及运动车辆检测实验29

2.6.1 积累差异背景建模及运动目标检测29

2.6.2 运动目标轮廓提取及质心关联31

2.7 夜间运动车辆检测实验32

2.8 语义视频运动目标检测实验36

2.8.1 颜色空间及肤色模型36

2.8.2 实验效果及分析38

2.9 积累差异背景建模与GMM背景建模的比较实验40

2.10 本章小结43

参考文献43

第3章 基于差分背景融合建模的运动目标检测46

3.1 引言46

3.2 算法基本思想46

3.3 背景模型的建立47

3.4 自适应背景更新策略48

3.5 实验效果与分析50

3.6 本章小结54

参考文献55

第4章 融合Knockout抠图技术的视频运动目标检测56

4.1 引言56

4.2 抠图技术简介56

4.3 视频运动目标区域初步检测58

4.4 Knockout视频运动目标检测58

4.4.1 Knockout技术58

4.4.2 透明度计算59

4.4.3 自动区域标记60

4.5 实验效果及分析61

4.6 本章小结62

参考文献63

第5章 基于网格区域划分的视频运动目标检测64

5.1 引言64

5.2 算法设计64

5.3 积累差异背景建模及运动检测65

5.4 网格区域划分65

5.5 实验测试及分析67

5.5.1 空域连通性差时的检测情况68

5.5.2 网格区域划分前后检测效果比较69

5.5.3 与GMM法检测效果的比较71

5.5.4 阈值Tg对检测效果的影响72

5.5.5 网格大小对检测效果影响的讨论73

5.6 不同检测方法的分析及比较75

5.6.1 检测效果对比75

5.6.2 计算复杂度分析77

5.6.3 算法实用性说明77

5.7 本章小结78

参考文献78

第6章 基于减法聚类算法的视频运动目标定位79

6.1 引言79

6.2 山峰聚类算法80

6.3 减法聚类算法82

6.4 减法聚类目标定位83

6.5 减法聚类目标定位实验84

6.5.1 减法聚类目标定位过程84

6.5.2 与区域生长目标定位的比较85

6.5.3 减法聚类定位的抗噪性实验87

6.6 椭圆域减法聚类目标定位88

6.6.1 椭圆域减法聚类算法88

6.6.2 椭圆域减法聚类目标定位实验89

6.7 椭圆域减法聚类定位应用举例93

6.8 本章小结95

参考文献96

第7章 视频目标定位的减法聚类改进算法97

7.1 引言97

7.2 减法聚类目标定位98

7.3 算法优化99

7.3.1 考虑不同维度的邻域半径100

7.3.2 引入下采样技术100

7.3.3 选择合适的密度值函数101

7.3.4 构造网格重定义数据集103

7.3.5 模糊隶属度前景像素聚类105

7.3.6 修正目标邻域半径取值105

7.3.7 确定视频运动目标尺度和方向106

7.4 实验效果及分析107

7.4.1 减法聚类算法视频目标定位过程108

7.4.2 有效邻域半径对定位结果的影响109

7.4.3 下采样定位效果109

7.4.4 不同密度函数的定位情况110

7.4.5 模糊隶属度前景像素归类实验111

7.4.6 目标尺度和方向参数确定实验111

7.5 本章小结115

参考文献115

第8章 非参数核密度估计视频目标空域定位117

8.1 引言117

8.2 非参数核密度估计118

8.3 非参数核密度估计视频目标空域定位119

8.4 实验结果与分析120

8.4.1 定位过程分析120

8.4.2 不同核函数定位效果分析122

8.4.3 不同定位算法效果比较123

8.4.4 带宽对定位的影响124

8.5 结论125

参考文献126

第9章 基于NystrOm密度值逼近的减法聚类127

9.1 引言127

9.2 考虑不同维度邻域的减法聚类129

9.3 NystrOm样本密度值逼近129

9.3.1 NystrOm样本相关系数加权130

9.3.2 减法聚类样本密度值逼近131

9.3.3 NystrOm减法聚类小结132

9.4 实验结果和分析133

9.4.1 人工数据实验133

9.4.2 彩色图像聚类实验138

9.4.3 UCI数据集聚类实验140

9.5 结论141

参考文献141

第10章 基于运动场预测的六边形块运动估计143

10.1 引言143

10.2 经典快速块运动估计搜索算法144

10.2.1 MPEG—4校验模型采用的菱形搜索算法（DS）144

10.2.2 PMVFAST算法144

10.3 PMVHEXBS算法146

10.3.1 运动估计算法中的搜索模式146

10.3.2 本章算法搜索模式的选择147

10.3.3 视频序列中运动的时空相关性149

10.3.4 初始搜索点的确定150

10.3.5 “足够好就停止搜索”思想的应用151

10.3.6 改进的部分失真准则（MPDC）152

10.3.7 PMVHEXBS算法的步骤153

10.3.8 本章算法分析154

10.4 实验结果156

10.5 本章小结160

参考文献161

第11章 基于运动信息自适应的快速运动估计163

11.1 引言163

11.2 UMHexagonS算法介绍164

11.3 运动信息自适应的快速运动估计算法165

11.3.1 块尺寸自适应的动态搜索窗的计算165

11.3.2 运动类型自适应的搜索方案选择166

11.3.3 带方向的十字型搜索166

11.3.4 自适应的矩形—菱形搜索167

11.3.5 运动方向自适应的多层次八边形区域搜索168

11.3.6 块尺寸自适应的六边形搜索168

11.4 实验仿真与分析169

11.5 结束语171

参考文献172

第12章 快速高效的部分失真块运动估计搜索算法174

12.1 引言174

12.2 经典的部分失真块运动估计算法175

12.2.1 NPDS算法175

12.2.2 PPDS算法175

12.3 PMVPDS算法176

12.3.1 可调的部分失真准则（APDC）176

12.3.2 运动矢量的分布特性分析177

12.3.3 运动场预测技术179

12.3.4 中途停止技术181

12.3.5 PMVPDS算法步骤182

12.4 实验结果182

12.5 本章小结186

参考文献187

第13章 基于图像感知哈希技术的运动目标跟踪188

13.1 引言188

13.2 复杂场景中运动目标跟踪的难点189

13.3 基于图像感知哈希技术的运动目标跟踪算法190

13.3.1 图像感知哈希技术190

13.3.2 目标模板哈希值的生成191

13.3.3 哈希值的匹配192

13.3.4 目标模板的自适应更新192

13.4 跟踪过程中的问题解决194

13.4.1 目标的区域搜索及匹配194

13.4.2 区域目标新进与出离194

13.4.3 目标尺度变化及遮挡195

13.5 实现效果与分析195

13.6 本章小结198

参考文献199

第14章 遮挡情况下的运动目标跟踪200

14.1 引言200

14.2 完全遮挡下的跟踪201

14.2.1 目标完全遮挡时的目标搜索方法201

14.2.2 自适应步长选择的NCC图像匹配算法202

14.2.3 目标完全遮挡跟踪流程210

14.3 实验效果及分析212

14.4 本章小结214

参考文献214

第15章 智能视频监控系统中的异常行为分析216

15.1 引言216

15.2 区域划定与人体特征提取217

15.2.1 检测区域设定217

15.2.2 运动人体标识218

15.2.3 目标运动特征提取220

15.3 基于目标团块和运动轨迹的行为判定221

15.3.1 目标团块分析法221

15.3.2 运动目标轨迹分析法221

15.3.3 异常行为规则设定223

15.4 常见异常检测实验效果及分析225

15.4.1 区域入侵检测225

15.4.2 人体跌倒检测226

15.4.3 遗留物检测226

15.4.4 区域徘徊检测227

15.5 本章小结228

参考文献228

第16章 总结与展望230

16.1 总结230

16.2 展望232