图像目标跟踪技术PDF|Epub|txt|kindle电子书版本网盘下载

图像目标跟踪技术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 绪论1

1.1 图像目标跟踪的意义和应用1

1.2 单摄像机目标跟踪3

1.2.1 目标表示模型4

1.2.2 目标动态模型6

1.2.3 目标状态估计模型6

1.3 多摄像机目标跟踪8

1.3.1 目标匹配9

1.3.2 摄像机标定及拓扑关系估计10

1.3.3 数据关联12

1.4 红外图像中目标的跟踪13

1.5 智能视频监控系统15

1.5.1 智能视频监控的背景和意义15

1.5.2 智能视频监控系统16

参考文献18

第2章 非线性优化序贯拟蒙特卡洛滤波24

2.1 引言24

2.2 基于贝叶斯框架的跟踪问题描述25

2.2.1 贝叶斯滤波的蒙特卡洛实现27

2.2.2 贝叶斯滤波的拟蒙特卡洛实现29

2.3 非线性优化序贯拟蒙特卡洛滤波32

2.3.1 信赖域方法32

2.3.2 基于信赖域的序贯拟蒙特卡洛滤波算法33

2.4 实验与分析35

2.4.1 非线性动态模型35

2.4.2 二维点目标跟踪中的应用38

参考文献39

第3章 融合背景信息的序贯拟蒙特卡洛滤波目标跟踪41

3.1 引言41

3.2 协方差特征43

3.2.1 基于积分图的协方差特征快速计算方法44

3.2.2 协方差特征的基本性质45

3.2.3 基于协方差特征的目标表观和背景模型46

3.3 融合背景信息的序贯拟蒙特卡洛滤波目标跟踪算法47

3.3.1 融合背景信息的粒子权重估计48

3.3.2 目标匹配方法和表观模型更新策略49

3.4 实验与分析50

3.4.1 实验150

3.4.2 实验251

3.4.3 实验353

参考文献54

第4章 基于概率图模型的粒子滤波多目标跟踪57

4.1 引言57

4.2 概率图模型59

4.2.1 图论的基本概念59

4.2.2 无向概率图模型60

4.3 基于概率图模型的粒子滤波多目标跟踪算法61

4.3.1 多目标概率图模型建模61

4.3.2 概率图模型推理62

4.3.3 目标空间特征建模64

4.3.4 基于概率图模型的粒子滤波算法65

4.4 实验与分析66

参考文献70

第5章 基于序贯拟蒙特卡洛滤波的多摄像机目标跟踪72

5.1 引言72

5.2 基于贝叶斯理论的多摄像机目标跟踪建模73

5.2.1 系统描述73

5.2.2 后验概率推导74

5.3 多摄像机单应约束原理75

5.3.1 单应约束矩阵计算原理75

5.3.2 基于RANSAC的单应矩阵计算方法76

5.4 基于序贯拟蒙特卡洛滤波的多摄像机目标跟踪算法77

5.4.1 目标表观建模77

5.4.2 似然性77

5.4.3 自适应重要性采样78

5.5 实验与分析80

5.5.1 实验180

5.5.2 实验283

5.5.3 实验384

参考文献86

第6章 基于信息融合技术的目标跟踪88

6.1 引言88

6.2 监控视频信息融合88

6.2.1 信息融合基本概念89

6.2.2 视频信息融合结构89

6.2.3 视频信息融合方法90

6.3 基于多信息融合的粒子滤波目标跟踪92

6.3.1 基于贝叶斯估计的目标跟踪框架92

6.3.2 粒子滤波理论93

6.3.3 基于多信息融合的粒子滤波目标跟踪算法96

6.3.4 提出算法的具体步骤101

6.3.5 实验与分析102

6.4 多摄像机融合跟踪106

6.4.1 多摄像机融合系统106

6.4.2 多摄像机数据融合107

6.4.3 系统设计与仿真109

参考文献114

第7章 受机械参数影响的多摄像机深度估计116

7.1 引言116

7.2 立体视觉模型118

7.3 不同机械参数误差下的深度估计模型119

7.3.1 摄像机畸变120

7.3.2 摄像机平移121

7.3.3 摄像机旋转122

7.3.4 摄像机上下倾斜123

7.3.5 摄像机左右偏转124

7.3.6 多个误差同时发生126

7.4 实验与分析128

7.4.1 特征点匹配128

7.4.2 参数d、α和β的估计129

7.4.3 参数γ的估计129

7.4.4 实验结果131

7.4.5 讨论分析133

参考文献134

第8章 基于自适应多信息融合的均值漂移红外目标跟踪137

8.1 引言137

8.2 Mean Shift理论138

8.2.1 Mean Shift向量138

8.2.2 基于核函数直方图的均值漂移目标跟踪算法140

8.2.3 基于概率分布图的均值漂移目标跟踪算法143

8.3 基于自适应多信息融合的均值漂移红外目标跟踪算法145

8.3.1 新的红外人体目标模型145

8.3.2 提出的目标跟踪算法148

8.4 实验与分析154

8.4.1 提出的算法和基于灰度信息均值漂移算法的比较154

8.4.2 自适应多信息融合算法和固定权值多信息融合算法比较157

8.4.3 遮挡问题的处理159

8.4.4 改进算法的效率分析161

参考文献161

第9章 融合均值漂移和粒子滤波优点的实时目标跟踪163

9.1 引言163

9.2 融合均值漂移和粒子滤波优点的实时彩色目标跟踪163

9.2.1 改进的融合颜色和运动信息的目标模型164

9.2.2 改进的均值漂移算法166

9.2.3 本节算法的具体实现167

9.2.4 实验与分析168

9.3 融合均值漂移和粒子滤波优点的实时红外目标跟踪172

9.3.1 改进的融合灰度和运动信息的目标模型173

9.3.2 改进的均值漂移算法174

9.3.3 本节算法的具体实现174

9.3.4 实验与分析174

参考文献176