人工智能视觉检测与智慧交通

1.具体讲解人工智能视觉检测前沿技术在智慧交通领域的基本问题及其相关处理技术，具有很好的学术价值和市场前景2.涵盖交通领域多个应用场景，通过实例分析讲解技术要点3.从基本原理到检测分析，由浅入深，适合不同层次读者的阅读需求

本书系统介绍了人工智能在交通控制方面的基本问题及其相关处理技术，主要内容涉及人工智能与交通控制的理论、算法和典型应用实例。本书共 13章，包括人工智能概述、 深度学习论述、智慧交通、车辆识别、基于多视角特征的车型识别方法、基于图像分析的客流人数统计方法、复杂环境下运动车辆识别与测距方法、基于视觉感知的弱对比度车辆目标识别、火车车轮非圆度图像检测技术、基于智能图像处理的车标识别、海量图像背景下的特定车辆目标检测、适用于小型智能车的行驶路况评价及自主避障控制研究和基于数据的乘车环境舒适度多维感知技术等内容。本书由浅入深，生动具体地通过相关技术的实例对人工智能技术在交通控制方面的应用进行介绍，对于相关领域的科研人员和高等院校相关专业学生等具有重要的参考价值和借鉴意义。

郏东耀北京交通大学教授、博士生导师，大数据与智慧测控研究中心主任。主要科研方向为数据科学与工程、视觉人工智能、深度学习新理论及其应用，发表学术论文100余篇。曾主持或参与国家863计划重大项目、国家自然科学基金重大项目、国家科技支撑计划项目等。

第1章 人工智能概述0011.1 强人工智能、弱人工智能和超人工智能0031.1.1 强人工智能0031.1.2 弱人工智能0041.1.3 超人工智能0041.2 人工智能研究方法0051.2.1 大脑模拟0051.2.2 符号处理0061.2.3 结构模拟法0061.2.4 行为模拟法0071.2.5 集成模拟法0081.3 人工智能的基本应用0081.3.1 无人驾驶汽车0091.3.2 人脸识别0101.3.3 机器翻译0101.3.4 声纹识别0101.3.5 智能客服机器人0101.3.6 智能外呼机器人0111.3.7 智能音箱0111.3.8 个性化推荐0121.3.9 医学图像处理0121.3.10 图像搜索012第2章 深度学习论述0132.1 深度学习简介0142.2 机器学习和深度学习的关系0162.3 典型的深度学习网络框架0172.3.1 AlexNet 0172.3.2 VGGNet 0182.3.3 GoogleNet 0192.3.4 ResNet 0212.3.5 ResNeXt 0212.3.6 RCNN 0232.3.7 YOLO 0232.3.8 SqueezeNet 0252.3.9 SegNet 0252.3.10 GAN 0262.4 深度学习的应用0262.4.1 图像识别0262.4.2 NLP 语音算法0272.4.3 计算机视觉0272.4.4 AI 绘画0282.4.5 自动驾驶028第3章 智慧交通0303.1 客流图像人数统计技术0313.1.1 基于个体分割的人数统计算法0313.1.2 基于虚拟门的人数统计算法0323.1.3 基于统计回归的人数统计算法0323.2 自动避障0343.2.1 概述0343.2.2 研究方法0353.2.3 研究现状总结0393.3 车轮检测0403.3.1 国内外车轮圆度检测方法0413.3.2 静态检测技术0413.3.3 动态检测技术0423.4 车辆乘坐舒适度0443.4.1 国内外研究方法0443.4.2 国内外研究方法总结046第4章 车辆识别0484.1 车型识别0494.1.1 概述0494.1.2 研究方法0494.1.3 研究现状总结0514.2 车距测量0524.2.1 概述0524.2.2 研究方法0534.2.3 研究现状总结0584.3 车标识别0594.3.1 研究意义0594.3.2 研究方法0604.3.3 研究现状总结0634.4 车辆检索0654.4.1 研究意义0654.4.2 研究方法0654.4.3 研究现状总结068第5章 基于多视角特征的车型识别方法0705.1 基于多视角的多维特征体系建立0715.1.1 多维特征体系的选定0715.1.2 多维特征的定量化分析0735.1.3 多维特征形式的处理0895.2 基于改进的KICA 特征参数优化方法0925.2.1 参数优化模型的选定0925.2.2 改进型KICA 参数优化模型0935.2.3 多视角多维特征体系的优化流程0955.2.4 参数优化效果评价方法0965.3 基于组合核函数的自适应支持向量机分类识别模型0975.3.1 模型确立的原则与选取0975.3.2 基于组合核函数的支持向量机模型0985.3.3 分类识别模型中的最优参数自适应确定1035.4 实验及分析1055.4.1 基于自适应显著性水平集图像分割方法的实验分析1065.4.2 多维特征参数优化方法对比分析1075.4.3 基于组合核函数的自适应支持向量机分类识别实验分析1155.4.4 分类识别模型对比实验117第6章 基于图像分析的客流人数统计方法1186.1 客流人群稀疏与密集判别1196.1.1 客流人数统计方法总体介绍1196.1.2 提取客流图像的频域能量与方差1206.1.3 客流人群稀疏与密集判别过程1226.2 人群稀疏情况下进行客流人数统计1256.2.1 稀疏人群客流人数统计总体算法1256.2.2 基于颜色空间模型的稀疏人群客流图像分割1276.2.3 利用连通域分析进行客流人数统计1316.3 人群密集情况下进行客流人数统计1356.3.1 纹理分析概述1356.3.2 提取密集人群的纹理特征1366.3.3 利用纹理特征进行人数统计1386.4 实验及分析1426.4.1 实验图像采集1426.4.2 人群稀疏与密集判别实验1436.4.3 稀疏人群人数统计实验1456.4.4 密集人群人数统计实验146第7章 复杂环境下运动车辆识别与测距方法1487.1 基于人类记忆的车辆目标识别系统1497.1.1 仿鹰眼视觉注意模型1497.1.2 改进的鹰眼视觉选择性注意模型1527.1.3 基于人脑记忆的车辆目标识别1597.2 基于改进蝙蝠算法的动态车距测量技术1647.2.1 立体匹配概述1657.2.2 基于改进蝙蝠算法的立体匹配1677.2.3 基于改进蝙蝠算法的车距测量技术1707.3 实验与分析1757.3.1 车辆目标识别实验1757.3.2 车距测量实验178第8章 基于视觉感知的弱对比度车辆目标识别1858.1 双向驱动融合的视觉选择注意模型1868.1.1 双向驱动融合的视觉选择注意模型框架1868.1.2 结构特征知识库及结构对称性评价1898.1.3 区域显著性分析1928.1.4 基于格式塔视知觉理论的多目标分割模型及形状特征知识库1978.1.5 验证实验2038.2 联想机制模型探讨2058.2.1 联想机制模型框架2058.2.2 多维度特征提取及记忆库2078.2.3 联想产生2108.2.4 联想匹配2168.2.5 综合分析2188.3 实验分析2218.3.1 双向驱动融合的改进型视觉选择注意模型（DVSM） 实验2218.3.2 联想机制模型实验分析224第9章 火车车轮非圆度图像检测技术2279.1 车轮图像采集2289.1.1 系统整体结构与工作原理2289.1.2 采集系统结构与工作原理2299.1.3 车轮图像识别2339.2 车轮轮廓曲线分割2399.2.1 车轮图像整体边缘提取2399.2.2 车轮轮廓曲线提取2419.2.3 车轮轮廓曲线的亚像素处理2479.3 不圆度检测及误差分析2489.3.1 圆度误差判定2489.3.2 误差分析2529.4 仿真实验2559.4.1 车轮轮廓曲线提取实验2559.4.2 车轮图像识别实验2589.4.3 不圆度评价实验263第10章 基于智能图像处理的车标识别26610.1 结合改进蚁群算法的视觉注意机制车标定位26710.1.1 视觉注意机制理论背景26710.1.2 显著图和区域复杂度计算26810.1.3 焦点转移路径优化27210.1.4 车标定位27510.2 基于复合卷积神经网络模型的车标识别27710.2.1 分类器的选取27710.2.2 复合卷积神经网络模型27810.2.3 车标识别系统28110.3 实验与分析28610.3.1 车标定位实验分析28610.3.2 车标识别实验分析290第11章 海量图像背景下的特定车辆目标检测29411.1 基于Hadoop 的海量车辆图像综合特征提取29511.1.1 海量图像数据分布式处理方案29511.1.2 车辆目标的综合特征选取29911.1.3 基于MapReduce 的综合特征并行化提取30811.2 基于分布式流形算法的特征降维处理30911.2.1 降维算法分类及比较30911.2.2 流形学习降维方法的数学描述31011.2.3 局部PCA 过渡非线性降维算法31111.2.4 基于MapReduce 的特征降维实现31311.3 特定车辆目标检测方法研究31411.3.1 团队管理模式下的并行化智能蜂群聚类分析31411.3.2 基于视觉特征袋模型的特定车辆目标检测32311.4 实验分析32811.4.1 实验平台的搭建及其优势32811.4.2 车辆综合特征提取33011.4.3 车辆综合特征处理33511.4.4 特定车辆目标检测338第12章 适用于小型智能车的行驶路况评价及自主避障控制研究34112.1 基于BA-BP 算法的行驶路况评价方法34212.1.1 行驶道路状况基本特征的选取和定义34212.1.2 动态障碍物的主要特征提取34712.1.3 基于BA-BP 算法的路况评价模型35012.2 基于强化学习和仿人智能控制算法的自主避障系统35512.2.1 控制方法的选取35512.2.2 仿人智能控制（HSIC） 35612.2.3 基于强化学习的HSIC 算法35912.2.4 避障策略的参数计算36212.2.5 基于强化学习和HSIC 算法的自主避障控制系统36512.3 实验与分析36812.3.1 行驶路况评价的实验分析36812.3.2 智能车自主避障的实验分析377第13章 基于数据的乘车环境舒适度多维感知技术38213.1 乘坐舒适度多维指标体系的建立38313.1.1 多维指标体系的初选38313.1.2 指标的定量化分析38513.1.3 乘坐舒适度多维指标体系的完善39213.1.4 评价指标形式的处理39513.2 基于混合参数的改进型支持向量回归机模型39713.2.1 模型确立的原则与选取39713.2.2 SVR 模型的基本介绍39913.2.3 基于混合参数的改进支持向量回归机模型确定40013.3 基于数据的乘坐舒适度综合评价模型40413.3.1 基于生理指标数据的舒适度客观评价模型40513.3.2 模型的离线训练41013.3.3 模型的在线应用41213.4 实验分析41713.4.1 综合评价多维指标体系的优化实验41713.4.2 基于SVR 的评价模型与MP-SVR 评价模型的对比实验42113.4.3 基于数据的乘坐舒适度综合评价实验分析423参考文献427