視頻圖像運動目標分析

第0章 緒論 0.1 視頻運動目標分析技術 0.2 運動目標分析技術研究現(xiàn)狀 0.2.1 運動目標檢測、分類 0.2.2 運動目標跟蹤 0.2.3 行為識別與理解 0.2.4 多攝像機運動目標分析系統(tǒng) 0.3 本書內(nèi)容安排 第1部分 背景建模與目標檢測第1章 雙模型自適應背景建模方法 1.1 雙模型背景建模 1.1.1 雙模型背景建模思路 1.1.2 雙模型運動目標檢測方案 1.1.3 雙模型運動目標檢測算法 1.2 實驗結果與分析 1.2.1 雙模型運動目標檢測算法實驗結果 1.2.2 關于尺度參數(shù)選取的實驗分析 1.2.3 關于熵圖像更新終止邏輯的實驗分析 1.3 多模型框架下的自適應混合高斯模型及實驗結果第2章 基于混合高斯模型的陰影抑制算法 2.1 陰影抑制 2.1.1 基于顏色模型變換的陰影抑制 2.1.2 基于統(tǒng)計的陰影抑制 2.1.3 基色彩特征不變量的陰影抑制 2.2 基于GMM的陰影抑制算法 2.2.1 算法流程 2.2.2 實驗分析第3章 基于新特征的Adaboost行人檢測器 3.1 Adaboost分類器 3.1.1 Adaboost分類器的構造 3.1.2 Adaboost算法的收斂性能 3.1.3 Adaboot算法的泛化能力 3.2 目標特征提取 3.2.1 傳統(tǒng)的特征表述 3.2.2 三角特征 3.2.3 復合特征 3.3 實驗分析 3.3.1 樣本庫 3.3.2 弱分類器訓練分析 3.3.3 強分類器訓練分析 3.3.4 行人檢測結果 第2部分 運動目標跟蹤方法第4章 基于模糊顏色直方圖的目標跟蹤 4.1 模糊顏色直方圖 4.2 基于模糊顏色直方圖的函數(shù)目標跟蹤算法 4.2.1 目標的模糊顏色直方圖 4.2.2 目標模糊顏色直方圖的動態(tài)修正 4.2.3 相似性度量及目標定位 4.2.4 算法步驟 4.3 實驗結果及分析第5章 基于紋理特征的目標跟蹤 5.1 LBP紋理特征 5.2 基于LBP紋理特征的目標跟蹤 5.2.1 基于區(qū)域置信水平及距離加權的目標模型 5.2.2 相似性度量及目標定位 5.3 算法步驟及實驗結果分析 5.3.1 算法步驟 5.3.2 實驗結果及分析第6章 基于多特征自適應融合的目標跟蹤 6.1 目標跟蹤 6.1.1 目標的多特征模型 6.1.2 多特征相似性度量及目標定位 6.2 目標模型自適應更新 6.2.1 目標子模型權值的自適應更新 6.2.2 目標子模型的選擇性更新 6.3 算法步驟及實驗結果 第3部分 攝像機系統(tǒng)的控制、目標交接與多機協(xié)同第7章 移動攝像機的運動目標跟蹤 7.1 圖像差分目標檢測 7.1.1 圖像差分法 7.1.2 矩形輪廓模型 7.2 基于顏色特征的目標匹配 7.2.1 匹配方法 7.2.2 區(qū)間數(shù)的選取 7.2.3 顏色空間選擇 7.2.4 YCbCr顏色空間與RGB顏色空間性能比較 7.3 基于差分圖像的動攝像機目標檢測跟蹤算法 7.3.1 算法流程 7.3.2 實驗分析第8章 基于證據(jù)理論的多攝像機目標交接 8.1 基于D-S證據(jù)理論的多特征融合目標交接算法 8.1.1 多特征的描述 8.1.2 算法理論 8.1.3 算法流程 8.2 實驗及其結果分析 8.3 多攝像機目標檢測跟蹤系統(tǒng)第9章 基于視野分界線的目標交接算法 9.1 攝像機視野分界線的劃分 9.1.1 攝像機視野分界線 9.1.2 視野分界線的劃分 9.2 多攝像機多目標交接 9.2.1 目標的確定 9.2.2 建立對應關系 9.3 實驗結果分析第10章 多攝像機運動目標分析系統(tǒng)設計 10.1 多攝像機運動目標跟蹤系統(tǒng)設計 10.1.1 系統(tǒng)構架 10.1.2 多攝像機間的協(xié)調(diào)與同步 10.1.3 多攝像機數(shù)據(jù)通信 10.1.4 部分操作界面 10.1.5 多攝像機實驗結果 10.2 視頻數(shù)據(jù)庫 10.2.1 國際測試視頻庫 10.2.2 GreatWall測試視頻數(shù)據(jù)庫的建立參考文獻