復(fù)雜場(chǎng)景下目標(biāo)跟蹤的理論與方法

定　價(jià)：￥49.00

作　者：	張笑欽著
出版社：	浙江大學(xué)出版社
叢編項(xiàng)：	杰出青年學(xué)者研究文叢
標(biāo)　簽：	計(jì)算機(jī)?網(wǎng)絡(luò) 人工智能

購(gòu)買這本書可以去

京東 (￥40.40)

ISBN：	9787308163187	出版時(shí)間：	2017-07-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《復(fù)雜場(chǎng)景下目標(biāo)跟蹤的理論與方法》是一本關(guān)于復(fù)雜場(chǎng)景下目標(biāo)視覺跟蹤理論與方法的專著，書中從目標(biāo)表觀建模、跟蹤框架這兩個(gè)方面對(duì)目標(biāo)視覺跟蹤的新研究成果進(jìn)行介紹。全書分為兩個(gè)部分：第1部分主要介紹目標(biāo)表觀建模方面的研究，第2部分主要介紹目標(biāo)視覺跟蹤框架方面的研究。本書可作為高等學(xué)校計(jì)算機(jī)、自動(dòng)化、電子信息等專業(yè)高年級(jí)學(xué)生或研究生的教學(xué)參考書，對(duì)廣大從事視覺監(jiān)控、智能交通、人機(jī)交互、虛擬現(xiàn)實(shí)等技術(shù)的研究、應(yīng)用和開發(fā)的科技人員也有較大的參考價(jià)值。

作者簡(jiǎn)介

　　張笑欽，博士。于2010年7月畢業(yè)于中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室，現(xiàn)任教于溫州大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院，主要從事智能視覺監(jiān)控人機(jī)交互方面的研究。其博士論文題目為《復(fù)雜場(chǎng)景下目標(biāo)的跟蹤與姿態(tài)估計(jì)》，該論文對(duì)復(fù)雜場(chǎng)景下目標(biāo)的魯棒跟蹤、姿態(tài)估計(jì)、行為分析等方面展開了深入研究，其研究?jī)?nèi)容取得了一系列成果，在 IEEE Trans. on PAMI， International Journal of Computer Vision， IEEE Trans. on CSVT， ICCV， CVPR等多個(gè)國(guó)際權(quán)威期刊和會(huì)議上發(fā)表論文10余篇，被引用200余次，得到了國(guó)內(nèi)外同行的認(rèn)可和跟進(jìn)。攻博期間，曾獲得“微軟學(xué)者”、“中國(guó)科學(xué)院朱李月華優(yōu)秀博士獎(jiǎng)”、“北京市科技獎(jiǎng)二等獎(jiǎng)”等多項(xiàng)榮譽(yù)。

圖書目錄

1 緒論
1.1 意義
1.2 研究現(xiàn)狀
1.2.1 表觀模型
1.2.2 跟蹤框架
1.3 本書的結(jié)構(gòu)
2 基于圖嵌入判別學(xué)習(xí)的表觀模型
2.1 基于圖嵌入的學(xué)習(xí)框架
2.1.1 圖嵌入
2.1.2 圖嵌入的降維學(xué)習(xí)
2.2 基于圖嵌入學(xué)習(xí)的目標(biāo)跟蹤
2.2.1 問題描述
2.2.2 基于樣本分布的圖嵌入
2.2.3 跟蹤算法
2.3 實(shí)驗(yàn)結(jié)果
3 基于增量張量子空間學(xué)習(xí)的表觀模型
3.1 張量代數(shù)
3.2 張量分解
3.3 主成分分析
3.4 增量張量子空間學(xué)習(xí)
3.5 基于張量子空間學(xué)習(xí)的目標(biāo)跟蹤
3.6 實(shí)驗(yàn)評(píng)估
4 基于對(duì)數(shù)歐氏黎曼子空間學(xué)習(xí)的表觀模型
4.1 黎曼流形和黎曼度量
4.2 協(xié)方差矩陣描述子
4.3 基于對(duì)數(shù)歐氏黎曼子空間學(xué)習(xí)的目標(biāo)跟蹤
4.3.1 目標(biāo)跟蹤框架概述
4.3.2 目標(biāo)表達(dá)
4.3.3 增量對(duì)數(shù)歐氏黎曼子空間學(xué)習(xí)
4.3.4 貝葉斯目標(biāo)狀態(tài)估計(jì)
4.3.5 實(shí)驗(yàn)評(píng)估
4.4 基于空間對(duì)數(shù)歐氏表觀模型的目標(biāo)跟蹤
4.4.1 目標(biāo)表觀分塊
4.4.2 在線對(duì)數(shù)歐氏特征空間學(xué)習(xí)
4.4.3 局部空間濾波
4.4.4 全局空間濾波
4.4.5 相似度匹配
4.4.6 貝葉斯目標(biāo)狀態(tài)估計(jì)
4.4.7 實(shí)驗(yàn)評(píng)估
5 基于核貝葉斯的跟蹤框架
5.1 核貝葉斯框架
5.1.1 核方法
5.1.2 貝葉斯方法
5.1.3 核貝葉斯方法
5.1.4 討論和分析
5.2 核貝葉斯跟蹤算法
5.2.1 基于空間約束混合高斯的表觀模型
5.2.2 核貝葉斯跟蹤框架
5.2.3 表觀模型的選擇性更新
5.2.4 實(shí)驗(yàn)結(jié)果
6 基于奇異值分解的卡爾曼粒子濾波框架
6.1 無跡卡爾曼粒子濾波算法
6.1.1 無跡卡爾曼濾波器
6.1.2 無跡卡爾曼粒子濾波算法
6.2 基于奇異值分解的卡爾曼粒子濾波算法
6.3 基于增量子空間學(xué)習(xí)的表觀模型
6.4 實(shí)驗(yàn)結(jié)果
7 基于序列粒子群優(yōu)化的跟蹤框架
7.1 基于序列粒子群優(yōu)化算法的單目標(biāo)跟蹤
7.1.1 粒子群優(yōu)化算法
7.1.2 序列粒子群優(yōu)化算法
7.1.3 算法分析
7.1.4 跟蹤算法
7.1.5 實(shí)驗(yàn)結(jié)果
7.2 基于多種群粒子群優(yōu)化算法的多目標(biāo)跟蹤
7.2.1 動(dòng)機(jī)
7.2.2 多目標(biāo)跟蹤算法
7.2.3 算法理論分析
7.2.4 實(shí)驗(yàn)結(jié)果
參考文獻(xiàn)
附錄彩圖
索引