☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《復雜環境運動目標檢測技術及應用》簡要介紹瞭當前典型的運動目標檢測技術，並根據其實現原理分析瞭各種方法的適用範圍和場閤；圍繞監控設備實際拍攝的圖像序列所存在的光學畸變、環境光照變化、陰影及攝像頭的運動等復雜條件，對運動目標檢測的若乾關鍵技術進行瞭研究和探討，包括廣角攝像機的成像原理、標定模型和畸變校正方法，靜態場景中分類特徵的優選、相似性度量和特徵融閤方法，動態場景中圖像的配準技術等；此外，考慮到空間偵察、夜視導航等軍事領域，對運動目標檢測技術的特殊需求，介紹瞭紅外圖像和雙目視覺圖像中的運動目標檢測技術；最後，以智能監控係統為例，介紹瞭運動目標檢測技術的具體應用情況。

目錄

第1章 概述
1.1 基本概念
1.2 研究進展
1.3 技術難點分析
1.4 主要應用領域

第2章 典型的運動目標檢測技術及適用性分析
2.1 基於光流法的運動目標檢測技術
2.1.1 基本概念
2.1.2 算法原理
2.1.3 常見的光流法
2.2 基於幀差法的運動目標檢測技術
2.2.1 基本思想
2.2.2 算法流程
2.3 基於背景差法的運動目標檢測
2.3.1 基本思想
2.3.2 算法流程
2.4 混閤高斯背景建模
2.4.1 混閤高斯背景模型的建立
2.4.2 混閤高斯背景模型的更新
2.5 不同運動目標檢測技術的適用性分析

第3章 攝像機畸變校正技術
3.1 數理模型
3.1.1 坐標係
3.1.2 攝像機標定模型
3.1.3 非綫性畸變模型
3.2 攝像機標定方法的分類
3.2.1 基於標定物的標定法
3.2.2 攝像機自標定方法
3.2.3 基於主動視覺的標定方法
3.2.4 不同攝像機標定方法的適用性分析
3.3 基於GPU的畸變校正加速算法
3.3.1 采用CUDA技術的GPU
3.3.2 基於網格標定的校正技術原理
3.3.3 GBGC算法概述
3.3.4 GBGC算法關鍵步驟
3.4 實驗結果分析

第4章 靜態場景運動目標檢測技術
4.1 基本原理
4.2 分類特徵的選擇
4.2.1 顔色特徵
4.2.2 紋理特徵
4.3 相似性度量的定義
4.4 基於Choquet積分的特徵融閤
4.5 基於自適應閾值的圖像分割算法
4.5.1 定義
4.5.2 基本步驟
4.5.3 閾值更新策略
4.6 實驗結果分析
4.6.1 顔色特徵選擇實驗
4.6.2 ULBP紋理特徵選擇實驗
4.6.3 自適應分類閾值確定實驗
4.6.4 復雜背景條件下運動目標檢測實驗
4.6.5 運動目標檢測效果的定量分析

第5章 動態場景運動目標檢測技術
5.1 基本原理
5.2 基於多尺度Harris角點SAM的圖像配準算法
5.2.1 算法基礎
5.2.2 算法描述
5.2.3 多尺度邊緣檢測算法
5.2.4 多尺度Hartis角點檢測算法
5.2.5 相似性測度的定義及誤匹配點對的刪除
5.2.6 圖像配準實驗
5.3 基於幀差法的運動目標檢測算法
5.3.1 算法描述
5.3.2 具體實現
5.3.3 幀差法實驗
5.4 實驗結果分析

第6章 紅外圖像運動目標檢測技術
6.1 基本原理
6.2 基於小波係數相關度的圖像去噪增強算法
6.2.1 問題描述
6.2.2 算法描述
6.2.3 具體實現
6.2.4 圖像去噪增強實驗
6.3 特徵的相似性度量
6.4 基於Sugeno模糊積分的分類特徵融閤
6.5 實驗結果分析

第7章 基於雙目視覺的運動目標檢測技術
7.1 雙目視覺基本原理
7.2 實現步驟
7.3 雙目攝像機標定
7.4 雙目立體匹配
7.4.1 特殊性及難點
7.4.2 具體實現

第8章 運動目標檢測技術在智能監控係統中的應用
8.1 智能監控係統的發展曆程
8.2 運動目標檢測技術應用情況
參考文獻

前言/序言

復雜環境運動目標檢測技術及應用 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價