本書對視覺跟蹤的基本概念、經典方法、理論基礎和研究進展進行了比較詳細的介紹和討論，內容主要包括均值偏移理論、粒子濾波理論及在均值偏移和粒子濾波理論框架下信息融合技術在視覺跟蹤中的套用。
基本介紹
- 書名：視頻運動目標的跟蹤方法
- 出版社：電子工業出版社
- 頁數：144頁
- 開本：16
- 作者：馬加慶
- 出版日期：2013年6月1日
- 語種：簡體中文
- 定價：39.00
內容簡介,圖書目錄,
內容簡介
馬加慶編著的《視頻運動目標的跟蹤方法》對視覺跟蹤的基本概念、經典方法、理論基礎和研究進展進行了比較詳細的介紹和討論，本書可作為信號與信息處理、通信與電子系統、計算機視覺、模式識別等專業大學本科高年級學生和研究生的參考讀物，也可供從事視覺跟蹤技術的研究者和工程技術人員參考。
圖書目錄
目錄
第1章 緒論
1.1 研究的背景和意義
1.2 視覺跟蹤研究的現狀
1.2.1 目標描述
1.2.2 跟蹤方法
1.3 本書的研究內容和貢獻
1.4 本書的章節安排
第2章 MS理論與套用
2.1 引言
2.2 機率密度估計
2.2.1 參數密度估計
2.2.2 非參數密度估計
2.3 MS理論
2.3.1 MS向量
2.3.2 MS疊代的收斂性
2.4 MS視覺跟蹤
2.4.1 目標模型
2.4.2 目標候選模型
2.4.3 相似性測度量測
2.4.4 MS搜尋
2.4.5 尺度自適應
2.5 本章小結
第3章 基於多特徵自適應融合的MS跟蹤算法
3.1 引言
3.2 算法描述
3.2.1 顏色特徵描述
3.2.2 運動特徵描述
3.2.3 MS搜尋
3.2.4 特徵自適應融合
3.2.5 尺度自適應
3.2.6 算法步驟
3.3 實驗結果與分析
3.3.1 序列I跟蹤
3.3.2 序列II跟蹤
3.3.3 序列III跟蹤
3.3.4 序列IV跟蹤
3.3.5 序列V跟蹤
3.4 算法討論
3.4.1 直方圖計算問題
3.4.2 參考運動直方圖選擇問題
3.4.3 混亂干擾問題
3.4.4 尺度估計問題
3.4.5 算法的優缺點
3.5 本章小結
第4章 基於MS的魯棒視覺跟蹤算法
4.1 引言
4.2 算法描述
4.2.1 顏色特徵描述
4.2.2 運動特徵描述
4.2.3 MS搜尋
4.2.4 算法步驟
4.3 實驗結果與分析
4.3.1 序列I跟蹤
4.3.2 序列II跟蹤
4.3.3 序列III跟蹤
4.3.4 序列IV跟蹤
4.3.5 序列V跟蹤
4.4 算法討論
4.4.1 直方圖的計算問題
4.4.2 混亂抑制問題
4.5 本章小結
第5章 基於有效外觀模型的粒子濾波跟蹤算法
5.1 粒子濾波理論
5.1.1 引言
5.1.2 貝葉斯濾波
5.1.3 蒙特卡羅仿真
5.1.4 貝葉斯重要性採樣
5.1.5 序貫重要性採樣
5.1.6 建議分布選擇
5.1.7 粒子退化問題與重採樣
5.1.8 粒子濾波算法
5.2 基於有效外觀模型的粒子濾波跟蹤算法
5.2.1 引言
5.2.2 空間—顏色直方圖
5.2.3 空間—顏色直方圖相似性測度
5.2.4 相似性測度比較
5.2.5 似然模型和粒子權值
5.2.6 粒子權值快速計算方法
5.2.7 目標運動模型
5.2.8 算法步驟
5.2.9 實驗結果與分析
5.2.10 算法討論
5.3 本章小結
第6章 基於多特徵自適應融合的粒子濾波跟蹤算法
6.1 引言
6.2 算法描述
6.2.1 目標運動模型
6.2.2 似然模型
6.2.3 特徵自適應融合
6.2.4 算法步驟
6.3 實驗結果與分析
6.3.1 序列I跟蹤
6.3.2 序列II跟蹤
6.3.3 序列III跟蹤
6.3.4 序列IV跟蹤
6.3.5 序列V跟蹤
6.4 算法討論
6.5 本章小結
第7章 總結與展望
7.1 總結
7.2 研究展望
參考文獻
第1章 緒論
1.1 研究的背景和意義
1.2 視覺跟蹤研究的現狀
1.2.1 目標描述
1.2.2 跟蹤方法
1.3 本書的研究內容和貢獻
1.4 本書的章節安排
第2章 MS理論與套用
2.1 引言
2.2 機率密度估計
2.2.1 參數密度估計
2.2.2 非參數密度估計
2.3 MS理論
2.3.1 MS向量
2.3.2 MS疊代的收斂性
2.4 MS視覺跟蹤
2.4.1 目標模型
2.4.2 目標候選模型
2.4.3 相似性測度量測
2.4.4 MS搜尋
2.4.5 尺度自適應
2.5 本章小結
第3章 基於多特徵自適應融合的MS跟蹤算法
3.1 引言
3.2 算法描述
3.2.1 顏色特徵描述
3.2.2 運動特徵描述
3.2.3 MS搜尋
3.2.4 特徵自適應融合
3.2.5 尺度自適應
3.2.6 算法步驟
3.3 實驗結果與分析
3.3.1 序列I跟蹤
3.3.2 序列II跟蹤
3.3.3 序列III跟蹤
3.3.4 序列IV跟蹤
3.3.5 序列V跟蹤
3.4 算法討論
3.4.1 直方圖計算問題
3.4.2 參考運動直方圖選擇問題
3.4.3 混亂干擾問題
3.4.4 尺度估計問題
3.4.5 算法的優缺點
3.5 本章小結
第4章 基於MS的魯棒視覺跟蹤算法
4.1 引言
4.2 算法描述
4.2.1 顏色特徵描述
4.2.2 運動特徵描述
4.2.3 MS搜尋
4.2.4 算法步驟
4.3 實驗結果與分析
4.3.1 序列I跟蹤
4.3.2 序列II跟蹤
4.3.3 序列III跟蹤
4.3.4 序列IV跟蹤
4.3.5 序列V跟蹤
4.4 算法討論
4.4.1 直方圖的計算問題
4.4.2 混亂抑制問題
4.5 本章小結
第5章 基於有效外觀模型的粒子濾波跟蹤算法
5.1 粒子濾波理論
5.1.1 引言
5.1.2 貝葉斯濾波
5.1.3 蒙特卡羅仿真
5.1.4 貝葉斯重要性採樣
5.1.5 序貫重要性採樣
5.1.6 建議分布選擇
5.1.7 粒子退化問題與重採樣
5.1.8 粒子濾波算法
5.2 基於有效外觀模型的粒子濾波跟蹤算法
5.2.1 引言
5.2.2 空間—顏色直方圖
5.2.3 空間—顏色直方圖相似性測度
5.2.4 相似性測度比較
5.2.5 似然模型和粒子權值
5.2.6 粒子權值快速計算方法
5.2.7 目標運動模型
5.2.8 算法步驟
5.2.9 實驗結果與分析
5.2.10 算法討論
5.3 本章小結
第6章 基於多特徵自適應融合的粒子濾波跟蹤算法
6.1 引言
6.2 算法描述
6.2.1 目標運動模型
6.2.2 似然模型
6.2.3 特徵自適應融合
6.2.4 算法步驟
6.3 實驗結果與分析
6.3.1 序列I跟蹤
6.3.2 序列II跟蹤
6.3.3 序列III跟蹤
6.3.4 序列IV跟蹤
6.3.5 序列V跟蹤
6.4 算法討論
6.5 本章小結
第7章 總結與展望
7.1 總結
7.2 研究展望
參考文獻
