同济博士论丛 智能视频监控系统中的目标监测与跟踪算法研究PDF|Epub|txt|kindle电子书版本网盘下载

同济博士论丛 智能视频监控系统中的目标监测与跟踪算法研究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 引言1

1.1 概述1

1.2 智能视频监控的研究背景与现状4

1.3 智能视频监控的两项关键技术——目标检测和目标跟踪6

1.4 智能视频监控面临的难题和挑战8

1.5 研究的创新点和本书章节内容安排9

1.5.1 创新点9

1.5.2 章节安排10

第2章 视频目标检测技术概述12

2.1 目标（前景）检测方法12

2.2 目标检测算法的性能评价14

2.3 目标检测所采用的视频图像基准数据集与实验平台15

第3章 基于srgb色彩空间的核密度估计目标检测算法17

3.1 核密度估计18

3.1.1 基本原理18

3.1.2 基于核密度估计的初步前景检测19

3.1.3 带宽选择22

3.2 在srgb色彩空间的核密度估计目标检测24

3.3 迭代式的噪声去除和目标轮廓增强25

3.3.1 基于贝叶斯后验概率的精细决策26

3.3.2 马尔科夫随机场和模拟退火27

3.4 仿真实验30

3.4.1 检测效果30

3.4.2 复杂度分析和实时性34

3.5 本章小结35

第4章 一种对光照变化具有鲁棒性的背景-前景检测算法37

4.1 文献综述38

4.2 混合高斯模型与参数估计40

4.2.1 混合高斯模型简介40

4.2.2 用基本期望最大化算法来估计混合高斯模型的参数42

4.2.3 用在线EM算法对混合高斯模型参数进行估计44

4.2.4 光照变化时在RGB色彩空间中呈现的特性47

4.2.5 光谱反射理论与所观察到的线性特征48

4.2.6 球面K均值聚类算法（Spkmeans）52

4.3 一种自组织（Self-organizing）的机制56

4.4 基于统计方法的初步前景检测58

4.5 噪声抑制和前景轮廓增强60

4.6 实验与仿真62

4.6.1 背景建模与前景检测64

4.6.2 初步前景检测的最优参数调整72

4.6.3 迭代式去噪与前景增强实验76

4.6.4 计算量与实用性79

4.7 算法小结和展望80

第5章 最大似然估计、多元高斯混合模型及在线EM算法82

5.1 多元高斯混合模型的最大似然估计83

5.1.1 一些常见的最大似然估计方法83

5.1.2 用基本EM算法估计多元高斯混合模型87

5.2 两种在线EM算法88

5.2.1 用Titterington的在线EM算法更新多元高斯混合模型89

5.2.2 Titterington型在线EM算法与梯度上升EM算法的关系91

5.2.3 用基于充分统计量的在线EM算法更新多元高斯混合模型93

5.3 实验仿真95

第6章 多假设目标跟踪104

6.1 目标跟踪技术概述和研究背景104

6.2 多假设跟踪技术概述106

6.2.1 概念准备106

6.2.2 基于多假设的多目标跟踪技术109

6.3 目标测量和跟踪器的关联——一种图论方法110

6.3.1 代价矩阵（Cost Matrix）110

6.3.2 相关的图论基础112

6.3.3 通过求最小权值边覆盖求最优跟踪假设114

6.4 次优跟踪假设的获取117

6.5 应对目标分裂和合并120

6.6 用卡尔曼滤波器刷新跟踪器状态122

6.6.1 适用于跟踪器的卡尔曼滤波运动模型123

6.6.2 卡尔曼滤波器对跟踪器状态的预测和更新126

6.7 实验结果127

第7章 结束语129

7.1 工作小结129

7.2 工作展望130

参考文献132

附录A score函数的条件期望143

附录B 定理5.1的证明144

附录C 定理5.3的证明145

附录D 定理5.4的证明147

附录E 定理5.5的证明154

附录F 定理6.2的证明157

后记160