第0章 緒論 0.1 視頻運動目標分析技術 0.2 運動目標分析技術研究現狀 0.2.1 運動目標檢測、分類 0.2.2 運動目標跟蹤 0.2.3 行為識彆與理解 0.2.4 多攝像機運動目標分析係統 0.3 本書內容安排 第1部分 背景建模與目標檢測第1章 雙模型自適應背景建模方法 1.1 雙模型背景建模 1.1.1 雙模型背景建模思路 1.1.2 雙模型運動目標檢測方案 1.1.3 雙模型運動目標檢測算法 1.2 實驗結果與分析 1.2.1 雙模型運動目標檢測算法實驗結果 1.2.2 關於尺度參數選取的實驗分析 1.2.3 關於熵圖像更新終止邏輯的實驗分析 1.3 多模型框架下的自適應混閤高斯模型及實驗結果第2章 基於混閤高斯模型的陰影抑製算法 2.1 陰影抑製 2.1.1 基於顔色模型變換的陰影抑製 2.1.2 基於統計的陰影抑製 2.1.3 基色彩特徵不變量的陰影抑製 2.2 基於GMM的陰影抑製算法 2.2.1 算法流程 2.2.2 實驗分析第3章 基於新特徵的Adaboost行人檢測器 3.1 Adaboost分類器 3.1.1 Adaboost分類器的構造 3.1.2 Adaboost算法的收斂性能 3.1.3 Adaboot算法的泛化能力 3.2 目標特徵提取 3.2.1 傳統的特徵錶述 3.2.2 三角特徵 3.2.3 復閤特徵 3.3 實驗分析 3.3.1 樣本庫 3.3.2 弱分類器訓練分析 3.3.3 強分類器訓練分析 3.3.4 行人檢測結果 第2部分 運動目標跟蹤方法第4章 基於模糊顔色直方圖的目標跟蹤 4.1 模糊顔色直方圖 4.2 基於模糊顔色直方圖的函數目標跟蹤算法 4.2.1 目標的模糊顔色直方圖 4.2.2 目標模糊顔色直方圖的動態修正 4.2.3 相似性度量及目標定位 4.2.4 算法步驟 4.3 實驗結果及分析第5章 基於紋理特徵的目標跟蹤 5.1 LBP紋理特徵 5.2 基於LBP紋理特徵的目標跟蹤 5.2.1 基於區域置信水平及距離加權的目標模型 5.2.2 相似性度量及目標定位 5.3 算法步驟及實驗結果分析 5.3.1 算法步驟 5.3.2 實驗結果及分析第6章 基於多特徵自適應融閤的目標跟蹤 6.1 目標跟蹤 6.1.1 目標的多特徵模型 6.1.2 多特徵相似性度量及目標定位 6.2 目標模型自適應更新 6.2.1 目標子模型權值的自適應更新 6.2.2 目標子模型的選擇性更新 6.3 算法步驟及實驗結果 第3部分 攝像機係統的控製、目標交接與多機協同第7章 移動攝像機的運動目標跟蹤 7.1 圖像差分目標檢測 7.1.1 圖像差分法 7.1.2 矩形輪廓模型 7.2 基於顔色特徵的目標匹配 7.2.1 匹配方法 7.2.2 區間數的選取 7.2.3 顔色空間選擇 7.2.4 YCbCr顔色空間與RGB顔色空間性能比較 7.3 基於差分圖像的動攝像機目標檢測跟蹤算法 7.3.1 算法流程 7.3.2 實驗分析第8章 基於證據理論的多攝像機目標交接 8.1 基於D-S證據理論的多特徵融閤目標交接算法 8.1.1 多特徵的描述 8.1.2 算法理論 8.1.3 算法流程 8.2 實驗及其結果分析 8.3 多攝像機目標檢測跟蹤係統第9章 基於視野分界綫的目標交接算法 9.1 攝像機視野分界綫的劃分 9.1.1 攝像機視野分界綫 9.1.2 視野分界綫的劃分 9.2 多攝像機多目標交接 9.2.1 目標的確定 9.2.2 建立對應關係 9.3 實驗結果分析第10章 多攝像機運動目標分析係統設計 10.1 多攝像機運動目標跟蹤係統設計 10.1.1 係統構架 10.1.2 多攝像機間的協調與同步 10.1.3 多攝像機數據通信 10.1.4 部分操作界麵 10.1.5 多攝像機實驗結果 10.2 視頻數據庫 10.2.1 國際測試視頻庫 10.2.2 GreatWall測試視頻數據庫的建立參考文獻
· · · · · · (收起)