深度學習之多源數(shù)據(jù)融合的目標檢測與跟蹤

定　價：￥58.00

作　者：	張文利著
出版社：	中國輕工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥47.90)

ISBN：	9787518432738	出版時間：	2021-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	144	字數(shù)：

內(nèi)容簡介

　　《深度學習之多源數(shù)據(jù)融合的目標檢測與跟蹤》針對RGB圖像面臨光照變化、頻繁遮擋、雜亂背景等干擾，以及深度圖像缺乏場景色彩和語義信息的問題，研究通過RGB圖像及深度圖像等多源數(shù)據(jù)的融合，兼顧RGB和Depth特征的差異和共性進行多目標人員檢測、人員跟蹤方面的方法，提出了基于非對稱自適應特征融合的RGB-D人員檢測算法、基于深度信息改進DeepSort多目標跟蹤算法以及基于非對稱孿生網(wǎng)絡(luò)的多目標跟蹤算法。《深度學習之多源數(shù)據(jù)融合的目標檢測與跟蹤》提出的算法能夠提取有效且通用的RGB-D特征，并通過設(shè)計非對稱結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，確保特征提取效率的同時，減輕卷積神經(jīng)網(wǎng)絡(luò)模型的計算復雜度。本書通過設(shè)計和實現(xiàn)準確高效、對多場景魯棒的人流量統(tǒng)計系統(tǒng)、人員口罩佩戴情況識別系統(tǒng)驗證了提案的多目標人員檢測及跟蹤技術(shù)的有效性和實用性?！渡疃葘W習之多源數(shù)據(jù)融合的目標檢測與跟蹤》可作為信息技術(shù)相關(guān)專業(yè)本科生及研究生的專業(yè)教材，也可作為從事圖像處理、計算機視覺以及深度學習領(lǐng)域研究的專業(yè)技術(shù)人員的參考書。

作者簡介

　　張文利博士，北京工業(yè)大學信息學部教授。日本東京大學工學碩士和工學博士。曾任日本松下（Panasonic）公司東京研究所主任研究員。研究方向：計算機視覺與模式識別；人工智能技術(shù)在農(nóng)業(yè)作物表型組學、無人機巡檢、智慧建筑以及仿生康復假肢等跨學科交叉領(lǐng)域的應用研究；TRIZ等創(chuàng)新方法在信息技術(shù)以及工業(yè)設(shè)計領(lǐng)域的應用研究；提出了基于多源數(shù)據(jù)融合的非對稱卷積神經(jīng)網(wǎng)絡(luò)模型、深度卷積神經(jīng)網(wǎng)絡(luò)的可視化剪裁方法、基于邊緣設(shè)備的快速輕量化網(wǎng)絡(luò)模型以及基于生成對抗網(wǎng)絡(luò)的跨域別數(shù)據(jù)自動標注技術(shù)等多種新模型和新方法。主持和主要參與教育部、科技部、北京市科委重點項目及北京自然科學基金等項目多項。近五年發(fā)表SCI/EI 檢索以及中文核心期刊論文等近20篇，申報靠前/國家發(fā)明、實用新型等近30項，其中發(fā)表Nature子刊學術(shù)論文1篇，SCI一區(qū)論文3篇，發(fā)明授權(quán)8項，成果轉(zhuǎn)化1項，實用新型授權(quán)5項，軟件著作權(quán)3項以上。中國圖象圖形學學會會員，教育部學位與研究生教育發(fā)展中心函評專家，國家科技專家?guī)鞂＜?，多家SCI/EI期刊及中文核心期刊論文評審專家，唐山市政府特聘專家。

圖書目錄

第 1 章緒論………………………………………………………………… 1
1．1 本書背景 …………………………………………………………………… 2
1．2 國內(nèi)外研究現(xiàn)狀 …………………………………………………………… 4
1．3 本書內(nèi)容與主要貢獻 ……………………………………………………… 17
1．4 本書的結(jié)構(gòu)安排 …………………………………………………………… 19
第 2 章深度傳感器與深度圖像特性………………………………………21
2．1 引言 ………………………………………………………………………… 22
2．2 深度傳感器介紹 …………………………………………………………… 22
2．3 深度圖像特性 ……………………………………………………………… 26
2．4 本章小結(jié) …………………………………………………………………… 27
第 3 章基于非對稱自適應特征融合的 RGB-D 人員檢測………………29
3．1 算法總體架構(gòu) ……………………………………………………………… 30
3．2 非對稱RGB-D雙流網(wǎng)絡(luò)設(shè)計 ……………………………………………… 30
3．3 深度特征金字塔結(jié)構(gòu)設(shè)計 ………………………………………………… 33
3．4 多模態(tài)自適應通道加權(quán)模塊設(shè)計 ………………………………………… 34
3．5 多分支預測網(wǎng)絡(luò)設(shè)計 ……………………………………………………… 36
3．6 實驗結(jié)果分析 ……………………………………………………………… 38
3．7 本章小結(jié) …………………………………………………………………… 45
第 4 章基于深度信息改進 DeepSort 多目標跟蹤算法……………………47
4．1 基于預訓練CNN模型提取人員外觀特征 ………………………………… 49
4．2 基于卡爾曼濾波預測人員運動狀態(tài) ……………………………………… 49
4．3 基于深度變化率優(yōu)化的目標匹配 ………………………………………… 51
4．4 基于軌跡上下文深度差優(yōu)化的軌跡處理 ………………………………… 55
4．5 實驗結(jié)果分析 ……………………………………………………………… 60
4．6 本章小結(jié) …………………………………………………………………… 61
第 5 章基于非對稱孿生網(wǎng)絡(luò)的目標跟蹤算法…………………………63
5．1 多人員跟蹤算法總體框架 ………………………………………………… 64
5．2 基于非對稱孿生網(wǎng)絡(luò)的軌跡生成模塊設(shè)計 ……………………………… 66
5．3 基于時序信息的軌跡優(yōu)化模塊設(shè)計 ……………………………………… 71
5．4 實驗結(jié)果與分析 …………………………………………………………… 75
5．5 本章小結(jié) …………………………………………………………………… 83
第 6 章應用系統(tǒng)案例………………………………………………………85
6．1 基于RGB-D的雙向人流量統(tǒng)計系統(tǒng) ……………………………………… 86
6．2 基于RGB-D的室內(nèi)人員口罩佩戴情況識別系統(tǒng) ……………………… 106
6．3 本章小結(jié) ………………………………………………………………… 123
第 7 章總結(jié)與展望……………………………………………………… 125
7．1 總結(jié) ……………………………………………………………………… 126
7．2 展望 ……………………………………………………………………… 127
參考文獻……………………………………………………………………… 128