视频目标跟踪方法PDF|Epub|txt|kindle电子书版本网盘下载

视频目标跟踪方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 综述1

1.1 视频目标跟踪的意义和作用1

1.2 视频目标跟踪系统3

1.2.1 系统组成3

1.2.2 面临挑战5

1.2.3 数学描述6

1.3 视频目标跟踪概述8

1.3.1 目标特征提取8

1.3.2 目标检测9

1.3.3 目标模型11

1.3.4 目标搜索14

1.4 发展趋势17

1.4.1 面临挑战17

1.4.2 未来方向展望18

1.5 本章小结20

参考文献20

第2章 运动目标检测27

2.1 背景模型的高斯混合模型描述27

2.1.1 高斯混合模型及EM求解28

2.1.2 在线高斯混合背景模型30

2.1.3 实验结果讨论35

2.2 基于背景重构的多运动目标检测38

2.2.1 背景重构39

2.2.2 背景维护42

2.2.3 轮廓分割44

2.2.4 实验结果讨论46

2.3 复杂背景模型学习48

2.3.1 前景检测50

2.3.2 多尺度判别模型52

2.3.3 实验结果讨论55

2.4 运动阴影消除64

2.4.1 阴影模型65

2.4.2 马尔可夫随机场66

2.4.3 实验结果讨论74

2.5 本章小结79

参考文献80

第3章 目标特征提取83

3.1 全局特征83

3.1.1 直方图特征83

3.1.2 颜色特征84

3.1.3 轮廓特征88

3.2 局部结构特征92

3.2.1 点特征93

3.2.2 边缘特征105

3.2.3 纹理特征111

3.2.4 图像块特征120

3.3 运动特征131

3.3.1 光流131

3.3.2 SIFT流133

3.4 本章小结135

参考文献135

第4章 基于生成式目标模型的目标跟踪139

4.1 子空间模型139

4.1.1 主成分分析（PCA）139

4.1.2 在线主成分分析141

4.1.3 在线主成分分析跟踪143

4.2 稀疏表示模型145

4.2.1 稀疏表示146

4.2.2 e1数最小化跟踪算法148

4.2.3 基于稀疏性的协作式目标跟踪算法150

4.3 随机森林153

4.3.1 随机树构建154

4.3.2 霍夫随机森林158

4.3.3 霍夫随机森林目标检测164

4.3.4 霍夫随机森林目标跟踪167

4.4 本章小结172

参考文献172

第5章 基于判别式目标模型的目标跟踪177

5.1 基于在线特征选择的轮廓跟踪177

5.1.1 基于Fisher判别准则的在线特征选择179

5.1.2 基于动态邻近区域快速水平集的轮廓跟踪181

5.1.3 实验结果讨论186

5.2 基于子空间半监督判别模型的目标跟踪191

5.2.1 在线主成分分析193

5.2.2 半监督线性判别分析194

5.2.3 实验结果讨论201

5.3 集成轮廓跟踪204

5.3.1 集成轮廓跟踪算法206

5.3.2 实验结果讨论211

5.4 基于图直推学习的鲁棒跟踪215

5.4.1 基于图的直推学习216

5.4.2 目标跟踪模型219

5.4.3 实验结果讨论222

5.5 本章小结225

参考文献226

第6章 基于粒子滤波的目标跟踪228

6.1 粒子滤波基本原理228

6.1.1 基于贝叶斯估计的目标跟踪框架和蒙特卡罗方法228

6.1.2 贝叶斯重要性采样230

6.1.3 粒子退化问题和粒子滤波算法233

6.2 基于特征融合的粒子滤波234

6.2.1 方向梯度直方图234

6.2.2 距离度量236

6.2.3 跟踪算法236

6.2.4 实验结果讨论237

6.3 基于增量学习Rao-Blackwellized粒子滤波的跟踪算法239

6.3.1 Rao-Blackwellization粒子滤波（RBPF）239

6.3.2 算法步骤241

6.3.3 实验结果讨论242

6.4 基于瀑布粒子滤波跟踪算法244

6.4.1 活动基模型244

6.4.2 瀑布型粒子滤波器253

6.4.3 基于活动基的瀑布粒子滤波跟踪算法254

6.4.4 实验结果讨论257

6.5 本章小结263

参考文献263

第7章 基于均值移动的目标跟踪265

7.1 均值移动跟踪算法简介265

7.1.1 均值移动算法原理265

7.1.2 快速均值移动算法268

7.2 基于均值移动和改进直方图映射的目标跟踪算法272

7.2.1 直方图映射模型272

7.2.2 改进的直方图映射模型275

7.2.3 目标跟踪算法设计276

7.2.4 实验结果讨论278

7.3 特征融合均值移动跟踪方法282

7.3.1 目标模型的多特征融合描述283

7.3.2 基于均值移动（Mean shift）的融合跟踪定位287

7.3.3 实验结果讨论291

7.4 基于均值移动（Mean shift）粒子滤波的运动目标跟踪294

7.4.1 基于统计直方图的目标模型294

7.4.2 均值移动（Mean shift）粒子滤波296

7.4.3 实验结果讨论296

7.5 本章小结299

参考文献300

第8章 基于水平集的轮廓跟踪302

8.1 水平集理论302

8.1.1 曲线演化理论302

8.1.2 水平集原理及数值实现方法304

8.1.3 水平集快速算法308

8.2 基于区域主动轮廓运动目标的跟踪314

8.2.1 区域轮廓模型315

8.2.2 目标跟踪模型319

8.2.3 实验结果讨论322

8.3 基于极值区域的水平集分割跟踪324

8.3.1 水平集能量项构成324

8.3.2 实验结果讨论326

8.4 基于边缘片断特征的水平集跟踪328

8.4.1 基于区域与边缘的水平集分割算法329

8.4.2 基于边缘片（Edglet）特征的目标检测331

8.4.3 基于边缘片断特征与水平集分割的非刚体目标跟踪算法334

8.4.4 实验结果讨论336

8.5 本章小结337

参考文献338