热门搜索: 中考 高考 考试 开卷17
服务电话 024-96192/23945006
 

监控视频图像处理与智能分析关键技术优化研究

编号:
wx1202196974
销售价:
¥48.72
(市场价: ¥58.00)
赠送积分:
49
数量:
   
商品介绍

本书主要阐述了监控视频图像处理与智能分析技术,并对相关的关键技术进行改进优化,获得更实时、准确的目标检测与跟踪方法;从不同方面改进了行人重识别算法;对监控视频异常行为信息分析技术进行优化;对人群密度检测及人群异常行为分析算法进行改进。以期为计算机视觉领域的理论研究与技术应用提供有益参考。

董涛(1978.9—)男,辽宁丹东人,硕士学历,毕业于西华师范大学,现任教于辽东学院,讲师。主要从事计算机应用技术、计算机图形图像教学与研究工作。近年来发表论文11篇;软件著作权6项;实用新型3项。

章  视频图像编码.................................................................................................001

1.1 视频的数字化................................................................................................001

1.2 数字视频编码的方法....................................................................................004

1.3 数字视频压缩标准........................................................................................010

1.4 视频图像质量评价........................................................................................018

第2章  监控视频高效编码.........................................................................................022

2.1 模型编码........................................................................................................022

2.2 基于背景建模技术的监控视频编码............................................................030

2.3 背景差分预测编码........................................................................................037

第3章  目标检测技术与算法优化.............................................................................050

3.1 目标检测........................................................................................................050

3.2 目标检测算法及评价指标............................................................................051

3.3 基于改进YOLOv3-tiny的目标检测优化算法 ..........................................060

3.4 实验测试与结果分析....................................................................................065

3.5 本章小结........................................................................................................070

第4章  多目标跟踪技术与算法优化.........................................................................073

4.1 多目标跟踪技术............................................................................................073

4.2 采用卡尔曼滤波的混合度量优化算法........................................................079

4.3 目标对象关联匹配........................................................................................084

4.4 实验测试及结果分析....................................................................................087

4.5 本章小结........................................................................................................093

第5章  面向小规模行人再识别技术优化.................................................................096

5.1 引言................................................................................................................096

5.2 行人目标图像的多示例表述........................................................................098

5.3 以深度多示例学习为基础的行人目标再识别模型....................................099

5.4 实验测试结果与分析....................................................................................104

5.5 本章小结........................................................................................................115

第6 章  面向人群行人再识别技术优化..................................................................... 117

6.1 引言................................................................................................................ 117

6.2 对称三元组损失............................................................................................ 118

6.3 以身份识别与估量学习为基础的混和深度模型........................................ 121

6.4 实验测试与结果分析.................................................................................... 124

6.5 本章小结........................................................................................................ 132

第7 章  面向复杂场景的行人再识别......................................................................... 134

7.1 引言................................................................................................................ 134

7.2 微集群损失.................................................................................................... 136

7.3 基于微集群损失的深度行人对象再识别模型............................................ 138

7.4 实验测试与结果分析.................................................................................... 140

7.5 本章小结........................................................................................................ 147

第8 章  基于LSTM 与CNN 的人体跌倒行为识别 .......................................................................150

8.1 混和模型框架................................................................................................ 150

8.2 混和深度学习模型........................................................................................ 151

8.3 实验测试与结果分析.................................................................................... 154

8.4 本章小结........................................................................................................ 159

第9 章  基于LSTM 与CNN 的打斗行为识别......................................................... 162

9.1 混和模型的基本结构.................................................................................... 162

9.2 光流特征运算获取........................................................................................ 163

9.3 混和深度神经网络框架................................................................................ 164

9.4 实验测试与结果分析.................................................................................... 168

9.5 本章小结........................................................................................................ 175

0 章  人群密度检测............................................................................................... 177

10.1 依据像素特征的行人数量预估.................................................................. 177

10.2 依据纹理特征的密度检查.......................................................................... 184

10.3 本章小结...................................................................................................... 193

1 章  基于稀疏描述的人群异常行为检测........................................................... 195

11.1 人群运动特征获取...................................................................................... 196

11.2 多尺度光流直方图...................................................................................... 199

11.3 特征字典学习.............................................................................................. 201

11.4 异常行为检测.............................................................................................. 205

11.5 字典在线优化.............................................................................................. 207

11.6 实验测试与结果分析.................................................................................. 209

11.7 本章小结...................................................................................................... 211

商品参数
基本信息
出版社 中国纺织出版社
ISBN 9787518079339
条码 9787518079339
编者 董涛
译者
出版年月 2020-10-01 00:00:00.0
开本 16开
装帧 平装
页数 220
字数
版次 1
印次 1
纸张
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]