歡迎光臨中圖網(wǎng) 請 | 注冊
> >
面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用

面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用

出版社：西安電子科技大學(xué)出版社出版時間：2020-12-01
開本： 24cm 頁數(shù)： 258頁
中 圖 價:¥75.5(7.7折) 定價  ¥98.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用 版權(quán)信息

面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用 本書特色

書立足于智能網(wǎng)聯(lián)系統(tǒng)本身，以傳統(tǒng)的視覺感知技術(shù)為核心，以基于深度學(xué)習的視覺感知方法為探索方向，每一章節(jié)都以課題組多年來積累的理論創(chuàng)新與應(yīng)用實例為素材，較為全面的闡述了視覺多層次感知的理論及應(yīng)用，適合于交通領(lǐng)域內(nèi)對視覺感知技術(shù)感興趣的讀者進一步鉆研、探索。

面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用 內(nèi)容簡介

本書主要包含了: 目標分割技術(shù)、目標檢測技術(shù)、目標跟蹤技術(shù)及場景解析。首先闡述了目標分割技術(shù), 主要介紹了四種常見的圖像分割方法及相關(guān)算法的應(yīng)用 ; 其次, 闡述了目標檢測技術(shù), 主要介紹了傳統(tǒng)的目標檢測技術(shù)以及現(xiàn)在較為主流的基于深度學(xué)習的目標檢測技術(shù) ; 接著, 闡述了目標跟蹤技術(shù), 主要涉及基于核化相關(guān)濾波的跟蹤算法、基于高斯混合模型的多示例學(xué)習跟蹤算法、基于多通道特征選擇的壓縮跟蹤算法、基于深度學(xué)習的目標跟蹤方法五類目標跟蹤技術(shù) ; *后, 闡述了場景解析方面的相關(guān)內(nèi)容, 主要針對傳統(tǒng)的場景分類方法及基于深度學(xué)習的場景分類做了詳細介紹。

面向智能網(wǎng)聯(lián)的視覺目標多層次感知及應(yīng)用 目錄

**章 緒論 1 1.1 視覺多層次感知結(jié)構(gòu)1 1.2 視覺多層次感知研究內(nèi)容2 1.2.1 目標分割與檢測2 1.2.2 目標識別與跟蹤7 1.2.3 場景解析10 1.3 視覺智能感知應(yīng)用12 1.3.1 智慧醫(yī)療13 1.3.2 智慧軍事14 1.3.3 智能安防15 1.3.4 智能網(wǎng)聯(lián)交通系統(tǒng)16 參考文獻18 第二章 目標分割技術(shù) 22 2.1 經(jīng)典目標分割 22 2.1.1 基于邊緣檢測的路面裂縫分割算法 23 2.1.2 基于閾值的混凝土路面骨料分割算法 34 2.1.3 基于區(qū)域的車道線分割算法 44 2.2 基于數(shù)理方法的目標分割 50 2.2.1 基于圖論的車輛分割算法 50 2.2.2 基于偏微分方程的車輛分割算法 61 2.3 基于深度學(xué)習的目標分割 68 參考文獻 75 第三章 目標檢測技術(shù) 80 3.1 基于視覺特征的目標檢測 81 3.1.1 基于紋理特征的車牌定位與識別算法 83 3.1.2 基于直方圖統(tǒng)計與多幀平均背景去除法的公交乘客計數(shù)算法 86 3.1.3 基于NUBS曲線模型的車道線檢測算法 93 3.1.4 基于SIFT特征點的車輛目標檢測算法 99 3.2 基于分類器的目標檢測 102 3.3 基于顯著性的目標檢測 111 3.4 基于深度學(xué)習的目標檢測 117 3.4.1 基于多視域圖卷積網(wǎng)絡(luò)的行人檢測 118 3.4.2 基于共享卷積神經(jīng)網(wǎng)絡(luò)的交通標志檢測與識別算法 129 3.4.3 基于改進的LeNet5網(wǎng)絡(luò)的路面裂縫定位算法 135 參考文獻 140 第四章 目標跟蹤技術(shù) 145 4.1 融合特征匹配和光流法的目標跟蹤方法 146 4.1.1 特征匹配與光流法 146 4.1.2 融合特征匹配和KLT算法的車輛目標跟蹤算法 148 4.2 基于核化相關(guān)濾波的跟蹤算法 158 4.2.1 核相關(guān)濾波 158 4.2.2 基于金字塔特征尺度自適應(yīng)的核化相關(guān)濾波車輛跟蹤算法 159 4.3 基于學(xué)習的目標跟蹤 167 4.3.1 基于多示例學(xué)習的跟蹤算法 167 4.3.2 基于高斯混合模型的多示例學(xué)習跟蹤算法 169 4.4 基于壓縮感知的目標跟蹤 178 4.4.1 壓縮感知 178 4.4.2 基于多通道特征選擇的壓縮跟蹤算法 180 4.5 基于位平面的目標跟蹤 186 4.5.1 圖像位平面 186 4.5.2 基于位平面的跟蹤算法 188 4.6 基于深度學(xué)習的目標跟蹤 200 4.6.1 基于深度學(xué)習特征的目標跟蹤算法 201 4.6.2 基于深度學(xué)習網(wǎng)絡(luò)的目標跟蹤算法 202 4.6.3 新型深度學(xué)習網(wǎng)絡(luò)結(jié)構(gòu)在目標跟蹤中的應(yīng)用 204 參考文獻 206 第五章 場景解析技術(shù) 211 5.1 基于圖像特征的場景識別方法 212 5.2 基于多層級感知的交通場景解析方法 220 5.2.1 基于深度攝像頭的車輛全向障礙物檢測方法 221 5.2.2 基于感知信息融合的行車環(huán)境表征方法 227 5.2.3 基于深度學(xué)習的多視角交通場景理解方法 240 參考文獻 255
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服