图书介绍
序列图像中运动目标跟踪方法PDF|Epub|txt|kindle电子书版本网盘下载
- 李培华著 著
- 出版社： 北京：科学出版社
- ISBN：9787030272423
- 出版时间：2010
- 标注页数：174页
- 文件大小：22MB
- 文件页数：186页
- 主题词：计算机视觉－目标识别
PDF下载
下载说明
序列图像中运动目标跟踪方法PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1章 绪论1
1.1 目标跟踪的应用1
1.1.1 在智能人机交互中的应用1
1.1.2 在医疗诊断中的应用4
1.1.3 在智能机器人中的应用5
1.1.4 在视频监控中的应用7
1.2 目标跟踪的分类8
1.2.1 基于滤波理论的目标跟踪方法9
1.2.2 基于Mean Shift的目标跟踪方法11
1.2.3 基于偏微分方程的目标跟踪方法13
参考文献16
第2章 基于Unscented卡尔曼滤波器的目标跟踪23
2.1 引言23
2.2 目标轮廓的B样条曲线表达24
2.2.1 样条函数空间和B样条基函数24
2.2.2 B样条曲线空间、样条向量空间和形状空间及其内积和范数27
2.3 运动模型的学习29
2.3.1 运动模型的最大似然学习29
2.3.2 运动模型的最大期望学习30
2.4 卡尔曼滤波器跟踪算法32
2.5 Unscented卡尔曼滤波器跟踪算法32
2.5.1 Unscented变换33
2.5.2 非线性观测模型34
2.5.3 跟踪算法35
2.5.4 实验37
2.6 本章小结41
参考文献41
第3章 基于粒子滤波器的目标跟踪算法43
3.1 引言43
3.2 动态模型、形状模型及观测模型44
3.2.1 动态模型44
3.2.2 形状模型和观测模型45
3.3 标准的粒子滤波器和条件概率密度传播算法45
3.3.1 一般的目标跟踪问题45
3.3.2 一般的粒子滤波器46
3.3.3 条件概率密度传播算法47
3.4 基于卡尔曼粒子滤波器和Unscented粒子滤波器的目标跟踪算法48
3.4.1 基于卡尔曼粒子滤波器的跟踪算法48
3.4.2 基于Unscented粒子滤波器的跟踪算法50
3.4.3 算法性能分析和时间分析52
3.4.4 实验53
3.5 本章小结57
参考文献57
第4章 基于积分图像的快速粒子滤波器跟踪60
4.1 引言60
4.2 基于颜色的粒子滤波器算法61
4.2.1 自适应颜色模型61
4.2.2 基于积分图像的颜色模型计算62
4.2.3 计算积分图像的并行算法64
4.3 跟踪算法及实验67
4.3.1 跟踪算法67
4.3.2 实验67
4.4 本章小结75
参考文献76
第5章 利用二阶信息的Mean Shift目标跟踪算法78
5.1 引言78
5.2 传统Mean Shift跟踪算法78
5.2.1 非参量核概率密度估计和Mean Shift迭代78
5.2.2 模型表达及跟踪算法80
5.3 牛顿法82
5.3.1 步长选择模型及终止条件84
5.3.2 步长选择算法85
5.4 信赖域方法87
5.4.1 信赖域算法88
5.4.2 信赖域方向89
5.5 实验90
5.6 本章小结94
参考文献94
第6章 基于聚类的颜色模型及Mean Shift跟踪96
6.1 引言96
6.2 基于聚类的颜色模型98
6.2.1 颜色空间的自适应剖分98
6.2.2 颜色模型及相似性度量99
6.3 Mean Shift跟踪算法100
6.3.1 算法的推导过程100
6.3.2 算法的复杂性分析101
6.3.3 实验102
6.4 本章小结108
参考文献108
第7章 基于Mean Shift的仿射变换和相似性变换目标跟踪110
7.1 引言110
7.2 基于Mean Shift算法的仿射运动目标跟踪111
7.2.1 平移向量的估计113
7.2.2 旋转角度的估计113
7.2.3 跟踪算法114
7.2.4 实验115
7.3 基于Mean Shift算法的相似性变换目标跟踪120
7.3.1 平移向量的估计121
7.3.2 旋转角度的估计121
7.3.3 跟踪算法122
7.3.4 实验122
7.4 计算复杂性分析125
7.5 本章小结125
参考文献126
第8章 并行Mean Shift目标跟踪算法128
8.1 引言128
8.2 CUDA介绍129
8.3 基于多元高斯分布的颜色空间剖分131
8.4 基于GPU的并行Mean Shift跟踪算法133
8.5 实验136
8.6 本章小结141
参考文献141
第9章 基于EMD的Mean Shift跟踪算法142
9.1 引言142
9.2 颜色概率密度表达及EMD定义143
9.2.1 颜色概率密度表达143
9.2.2 EMD定义146
9.3 单纯形法计算EMD147
9.4 基于EMD的Mean Shift算法152
9.4.1 相似性度量函数最优化152
9.4.2 基于EMD的Mean Shift算法153
9.5 实验153
9.5.1 走廊序列153
9.5.2 行人序列155
9.6 本章小结156
参考文献156
第10章 基于偏微分方程的目标跟踪方法157
10.1 引言157
10.2 基于Jensen-Shannon散度的区域泛函157
10.3 偏微分方程的推导158
10.3.1 形状导数理论简介158
10.3.2 基于形状导数理论的偏微分方程推导161
10.3.3 基于变分理论的偏微分方程推导162
10.4 目标跟踪的水平集方法162
10.4.1 水平集函数的推导162
10.4.2 偏微分方程的时空离散化163
10.4.3 数值算法中的重新初始化166
10.4.4 实验170
10.5 本章小结173
参考文献173