《實用性目標檢測與跟蹤算法原理與套用》是2015年4月國防工業出版社出版的圖書，作者是徐光柱。
基本介紹
- 書名：實用性目標檢測與跟蹤算法原理與套用
- 作者：徐光柱
- ISBN：978-7-118-10220-8
- 頁數：164
- 定價：72元
- 出版社：國防工業出版社
- 出版時間：2015年4月
- 裝幀：平裝
- 開本：16
內容簡介,目錄,
內容簡介
本書從實時與實用兩個角度，結合具體實例系統講述了視覺目標檢測與跟蹤算法原理及套用。在視覺目標檢測部分，本書全面論述了AdaBoost 算法原理、積分圖及Haar?Like特徵快速計算方法和Viola-Jones通用目標檢測框架、梯度直方圖、SVM 原理、HOG 與SVM 相結合的目標檢測框架，同時給出了這兩類算法在人臉檢測與行人檢測中的套用實例及基於OpenCV的實現。在視覺目標跟蹤部分，本書系統介紹了單目標跟蹤算法的分類與現存問題及性能評價方法；詳細論述了以壓縮感知理論為背景的壓縮跟蹤算法原理及改進算法，並對其具體實現給出了細節分析；全面講述了跟蹤、學習及檢測相結合的視覺目標跟蹤算法的原理，並給出了其性能分析。最後，從具體問題出發，本書詳細說明了目標檢測與跟蹤算法在人眼區域檢測與跟蹤、多人臉檢測與跟蹤、互動式魚體跟蹤系統中的套用。本書內容豐富、案例典型，論述由淺入深、重點突出，理論與實例緊密結合，內容安排合理、可讀性強。本書適用於計算機視覺相關方向的研究生和高年級本科生閱讀，同時也可作為相關領域研究人員和目標檢測與跟蹤算法工程師的參考資料。
目錄
第1章 視頻目標檢測綜述及Viola-Jones算法 1
1.1 目標檢測技術綜述 2
1.1.1 基於特徵的目標檢測 2
1.1.2 基於模板的目標檢測 3
1.1.3 基於運動的目標檢測 4
1.1.4 基於分類器的目標檢測 4
1.2 基於Viola-Jones算法的視頻目標檢測原理分析 5
1.2.1 Haar-Like特徵描述 5
1.2.2 積分圖像 6
1.2.3 AdaBoost算法 8
1.2.4 級聯分類器 10
1.3 基於Viola-Jones算法的人臉檢測及其OpenCV實現 11
1.3.1 級聯分類器的訓練 12
1.3.2 實現人臉檢測的OpenCV代碼分析 14
參考文獻 18
第2章 基於HOG-SVM算法的行人檢測原理與實現 19
2.1 HOG特徵提取 20
2.1.1 顏色空間標準化 21
2.1.2 計算圖像梯度 22
2.1.3 空間和方向上的梯度統計 23
2.1.4 重疊Block特徵的標準化 26
2.1.5 收集檢測空間所有Block的HOG特徵 26
2.2 SVM原理分析 27
2.2.1 SVM理論基礎 27
2.2.2 線性SVM 28
2.2.3 非線性SVM 31
2.3 基於HOG-SVM算法的行人檢測及其OpenCV實現 32
2.3.1 行人檢測器的訓練 33
2.3.2 實現行人檢測的OpenCV代碼剖析 34
2.3.3 實驗結果與分析 36
參考文獻 38
第3章 視頻目標跟蹤技術綜述 39
3.1 視頻目標跟蹤的套用領域 40
3.2 視頻目標跟蹤系統模組組成 41
3.2.1 目標描述 41
3.2.2 目標特徵的選擇 43
3.3 跟蹤算法分類與舉例 44
3.4 目標跟蹤所面臨的挑戰問題 46
3.4.1 目前跟蹤方法存在的問題 46
3.4.2 長時間目標跟蹤 47
3.4.3 TLD算法 48
3.5 目標跟蹤評測方法與數據集 49
3.5.1 評測方法 49
3.5.2 評測數據集 50
參考文獻 54
第4章 CT算法的原理與實現及改進 56
4.1 相關理論基礎介紹 57
4.1.1 樸素貝葉斯分類器 57
4.1.2 隨機Haar-Like特徵 58
4.1.3 壓縮感知理論 59
4.1.4 目標跟蹤算法性能評價指標 62
4.2 CT算法原理及實現細節分析 62
4.2.1 CT算法的原理 62
4.2.2 CT算法實現步驟 63
4.2.3 CT算法的細節分析 66
4.2.4 CT算法的Matlab實現難點 68
4.3 基於局部區域相似度匹配的改進算法 72
4.3.1 區域選擇 73
4.3.2 相似度計算 73
4.3.3 實驗結果與分析 74
4.4 基於表觀模型再匹配的改進算法 78
4.4.1 樸素貝葉斯分類器值的剖析 79
4.4.2 改進算法的實現 79
4.4.3 實驗結果與分析 80
4.5 利用加權分塊策略應對遮擋問題的目標跟蹤改進算法 86
4.5.1 改進算法的實現 87
4.5.2 實驗結果與分析 91
4.6 小結 98
參考文獻 99
第5章 跟蹤與檢測及學習相結合的目標跟蹤算法 102
5.1 TLD算法介紹 102
5.2 TLD中的跟蹤算法 106
5.2.1 光流法簡介 106
5.2.2 牛頓疊代法 107
5.2.3 經典光流法 110
5.2.4 金字塔LK光流法 111
5.2.5 光流法的套用 112
5.3 TLD中的目標檢測算法 114
5.3.1 方差分類器 114
5.3.2 級聯分類器 116
5.3.3 KNN分類器 119
5.4 實驗結果及性能分析 120
5.4.1 TLD性能分析 120
5.4.2 P-N學習的性能分析 124
參考文獻 124
第6章 目標檢測與TLD算法的套用舉例 126
6.1 人眼檢測與跟蹤 126
6.1.1 基於AdaBoost的人眼區域檢測 127
6.1.2 基於尺度均衡策略的快速人臉檢測 129
6.1.3 基於TLD的人眼跟蹤系統 130
6.1.4 實驗結果與分析 131
6.2 多人臉目標跟蹤 133
6.2.1 人臉目標檢測 134
6.2.2 多人臉的標記與分離 135
6.2.3 多人臉跟蹤 138
6.2.4 實驗結果與分析 139
參考文獻 140
第7章 基於壓縮跟蹤算法的互動式魚體跟蹤 142
7.1 計算魚類游泳速度方法的選擇 142
7.2 互動式視頻跟蹤 146
7.2.1 互動式視頻跟蹤算法的實現 146
7.2.2 目標樣本再選擇方法介紹 148
7.2.3 目標樣本再選擇方法實驗結果分析 149
7.2.4 算法流程 151
7.2.5 互動式跟蹤得到魚頭位置的數據 153
7.2.6 互動式視頻跟蹤技術的Matlab實現 155
7.3 整魚圖像摳取算法 156
7.3.1 摳取整魚圖像的方法 156
7.3.2 摳取整魚圖像的實驗結果 160
7.3.3 算法流程 161
7.3.4 摳取整魚圖像算法的Matlab實現 162
參考文獻 163
