復(fù)雜場景下目標(biāo)跟蹤的理論與方法

定　價：￥49.00

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

購買這本書可以去

京東 (￥40.40)

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

內(nèi)容簡介

　　《復(fù)雜場景下目標(biāo)跟蹤的理論與方法》是一本關(guān)于復(fù)雜場景下目標(biāo)視覺跟蹤理論與方法的專著，書中從目標(biāo)表觀建模、跟蹤框架這兩個方面對目標(biāo)視覺跟蹤的新研究成果進行介紹。全書分為兩個部分：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)校計算機、自動化、電子信息等專業(yè)高年級學(xué)生或研究生的教學(xué)參考書，對廣大從事視覺監(jiān)控、智能交通、人機交互、虛擬現(xiàn)實等技術(shù)的研究、應(yīng)用和開發(fā)的科技人員也有較大的參考價值。

作者簡介

　　張笑欽，博士。于2010年7月畢業(yè)于中國科學(xué)院自動化研究所模式識別國家重點實驗室，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)控人機交互方面的研究。其博士論文題目為《復(fù)雜場景下目標(biāo)的跟蹤與姿態(tài)估計》，該論文對復(fù)雜場景下目標(biāo)的魯棒跟蹤、姿態(tài)估計、行為分析等方面展開了深入研究，其研究內(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等多個國際權(quán)威期刊和會議上發(fā)表論文10余篇，被引用200余次，得到了國內(nèi)外同行的認(rèn)可和跟進。攻博期間，曾獲得“微軟學(xué)者”、“中國科學(xué)院朱李月華優(yōu)秀博士獎”、“北京市科技獎二等獎”等多項榮譽。

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 實驗結(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 實驗評估
4 基于對數(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
4.3.5 實驗評估
4.4 基于空間對數(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
4.4.7 實驗評估
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 實驗結(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 實驗結(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 實驗結(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 動機
7.2.2 多目標(biāo)跟蹤算法
7.2.3 算法理論分析
7.2.4 實驗結(jié)果
參考文獻
附錄彩圖
索引