注冊(cè) | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)工業(yè)技術(shù)無線電電子學(xué)、電信技術(shù)視頻事件的分析與理解

視頻事件的分析與理解

視頻事件的分析與理解

定 價(jià):¥62.00

作 者: 裴明濤,趙猛 著
出版社: 北京理工大學(xué)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

購買這本書可以去


ISBN: 9787568268196 出版時(shí)間: 2019-06-01 包裝: 平裝
開本: 小16開 頁數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  視頻事件的分析與理解是計(jì)算機(jī)視覺領(lǐng)域的重要研究?jī)?nèi)容之一,具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。本書首先介紹了視頻事件分析與理解所涉及的目標(biāo)檢測(cè)、目標(biāo)跟蹤以及事件識(shí)別的研究現(xiàn)狀,分析了視頻事件分析與理解中的關(guān)鍵問題,然后重點(diǎn)介紹了作者研究團(tuán)隊(duì)在視頻事件分析與理解領(lǐng)域的研究工作和成果。本書可供計(jì)算機(jī)、自動(dòng)化、模式識(shí)別等領(lǐng)域的科研人員參考,也可作為高等院校計(jì)算機(jī)、自動(dòng)化、電子信息等專業(yè)的教學(xué)參考書。

作者簡(jiǎn)介

  裴明濤,北京理工大學(xué)計(jì)算機(jī)學(xué)院副教授,博士生導(dǎo)師,中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)員,中國(guó)計(jì)算機(jī)學(xué)會(huì)計(jì)算機(jī)視覺專委會(huì)委員,中國(guó)圖象圖形學(xué)會(huì)多媒體專委會(huì)委員。2004年獲得北京理工大學(xué)博士學(xué)位,同年留校工作。2009年至2011年在美國(guó)加州大學(xué)洛杉磯分校進(jìn)行訪問研究。主要科學(xué)研究方向?yàn)橛?jì)算機(jī)視覺和模式識(shí)別。承擔(dān)國(guó)家自然科學(xué)基金,9783子課題等科研項(xiàng)目10項(xiàng)。在IEEETIP、CSVT、CVIU、TMM等重要國(guó)際刊物和ICCV、AAAI、ICME等重要國(guó)際會(huì)議上發(fā)表學(xué)術(shù)論文50余篇,獲國(guó)家發(fā)明專利4項(xiàng),獲得北京理工大學(xué)優(yōu)秀科技成果獎(jiǎng)一等獎(jiǎng)一項(xiàng),排名第二,中國(guó)兵器工業(yè)集團(tuán)公司科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)一項(xiàng),排名第二,教育部技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)一項(xiàng),排名第六。

圖書目錄

第1章 引言
1.1 視頻事件分析與理解的背景和意義
1.2 目標(biāo)檢測(cè)的研究現(xiàn)狀
1.2.1 基于HOG/SVM的行人檢測(cè)
1.2.2 基于可變形部件模型的行人檢測(cè)
1.2.3 基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)
1.2.4 基于特征融合的行人檢測(cè)
1.2.5 行人檢測(cè)中的分類器
1.2.6 行人檢測(cè)數(shù)據(jù)集
1.3 目標(biāo)跟蹤的研究現(xiàn)狀
1.3.1 目標(biāo)表示
1.3.2 統(tǒng)計(jì)建模
1.3.3 目標(biāo)跟蹤數(shù)據(jù)集
1.4 視頻事件分析與理解的研究現(xiàn)狀
1.4.1 視頻事件中的相關(guān)術(shù)語
1.4.2 視頻事件的特征表示
1.4.3 視頻事件的建模方法
1.4.4 視頻事件數(shù)據(jù)集
1.5 關(guān)于本書
第2章 視頻中的目標(biāo)檢測(cè)算法
2.1 基于深度通道特征的行人檢測(cè)方法
2.1.1 深度卷積神經(jīng)網(wǎng)絡(luò)與稀疏濾波
2.1.2 深度通道特征
2.1.3 深度通道特征的提取
2.1.4 基于深度通道特征的行人檢測(cè)
2.1.5 實(shí)驗(yàn)結(jié)果
2.2 基于特征共享和聯(lián)合Boosting方法的物體檢測(cè)方法
2.2.1 基于滑動(dòng)窗口和二分類器的物體檢測(cè)框架
2.2.2 二分類Boosting方法
2.2.3 共享特征與多分類Boosting方法
2.2.4 實(shí)驗(yàn)結(jié)果
2.3 本章小結(jié)
第3章 視頻中的目標(biāo)跟蹤算法
3.1 基于多分量可變部件模型的行人跟蹤方法
3.1.1 行人可變部件模型及其初始化
3.1.2 多分量可變部件模型
3.1.3 基于多分量可變部件模型的跟蹤算法
3.1.4 自頂向下與自底向上相結(jié)合的跟蹤框架
3.1.5 實(shí)驗(yàn)結(jié)果
3.2 基于錨點(diǎn)標(biāo)簽傳播的物體跟蹤方法
3.2.1 問題描述
3.2.2 求解最優(yōu)H
3.2.3 求解軟標(biāo)簽預(yù)測(cè)矩陣A
3.2.4 軟標(biāo)簽傳播
3.2.5 基于標(biāo)簽傳播模型的跟蹤算法
3.2.6 實(shí)驗(yàn)結(jié)果
3.3 本章小結(jié)
第4章 事件時(shí)序與或圖模型的學(xué)習(xí)
4.1 事件模型的定義
4.1.1 一元和二元關(guān)系
4.1.2 原子動(dòng)作
4.1.3 時(shí)序與或圖模型
4.1.4 子節(jié)點(diǎn)之間的時(shí)序關(guān)系
4.1.5 解析圖
4.2 事件模型的學(xué)習(xí)
4.2.1 一元和二元關(guān)系的檢測(cè)
4.2.2 原子動(dòng)作的學(xué)習(xí)
4.2.3 事件模型的學(xué)習(xí)
4.3 實(shí)驗(yàn)結(jié)果
4.3.1 實(shí)驗(yàn)數(shù)據(jù)
4.3.2 時(shí)序與或圖學(xué)習(xí)結(jié)果
4.3.3 所學(xué)的模型有益于場(chǎng)景語義的識(shí)別
4.4 本章小結(jié)
第5章 基于時(shí)序與或圖模型的視頻事件解析
5.1 時(shí)序與或圖與隨機(jī)上下文相關(guān)文法
5.2 Earley在線解析算法
5.3 改進(jìn)的Earley解析算法
5.4 事件解析的定義
5.5 對(duì)事件的解析
5.6 實(shí)驗(yàn)
5.6.1 原子動(dòng)作識(shí)別
5.6.2 事件解析
5.6.3 意圖預(yù)測(cè)
5.6.4 事件補(bǔ)全
5.7 本章小結(jié)
第6章 基于關(guān)鍵原子動(dòng)作和上下文信息的事件解析
6.1 基于關(guān)鍵原子動(dòng)作的事件解析
6.1.1 原子動(dòng)作權(quán)值的學(xué)習(xí)
6.1.2 帶有原子動(dòng)作權(quán)值的事件解析圖
6.1.3 基于原子動(dòng)作權(quán)值的事件可識(shí)別度
6.1.4 實(shí)驗(yàn)結(jié)果
6.2 基于社會(huì)角色的事件分析
6.2.1 相關(guān)工作
6.2.2 角色建模與推斷
6.2.3 基于角色的事件識(shí)別
6.2.4 實(shí)驗(yàn)結(jié)果
6.3 基于群體和環(huán)境上下文的事件識(shí)別
6.3.1 相關(guān)工作
6.3.2 基于場(chǎng)景上下文的事件識(shí)別
6.3.3 基于群體上下文的事件識(shí)別
6.3.4 基于場(chǎng)景和群體上下文的事件識(shí)別
6.3.5 實(shí)驗(yàn)結(jié)果
6.4 本章小結(jié)
參考文獻(xiàn)

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.talentonion.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)