內(nèi)河航運運動船舶視覺檢測算法（精）

定　價：￥75.00

作　者：	劉清，梅浪奇，路萍萍，郭建明
出版社：	武漢理工大學出版社
叢編項：	現(xiàn)代航運與物流安全綠色智能技術研究叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787562961369	出版時間：	2019-09-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　隨著網(wǎng)絡和計算機技術的飛速發(fā)展，內(nèi)河航道信息化成為航運安全監(jiān)管的一種有效途徑，航運視頻監(jiān)控系統(tǒng)在海事監(jiān)管中發(fā)揮著越來越重要的作用。為了進一步提高航運視頻監(jiān)控的智能化水平，《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》重點研究了內(nèi)河航運運動船舶視覺檢測算法。為了使讀者系統(tǒng)地了解運動船舶檢測領域的理論及算法，《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》分析了運動目標視覺檢測和內(nèi)河航運運動船舶檢測的國內(nèi)外研究現(xiàn)狀，討論了內(nèi)河航運中運動船舶檢測的特點和難點。從光流法、幀差法、GMM和codebook這4種經(jīng)典的算法到基于樣本一致性的ViBe算法和SuBSENSE算法，由淺入深地介紹了運動船舶視覺檢測算法的設計思路和方法，提出了視覺檢測中需要解決的干擾問題。《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》重點研究了壓縮感知（Compres-siveSense）中自適應動態(tài)組稀疏方法，直接從視頻幀中重構出背景圖像和前景圖像，同時提出了基于稀疏表示和顯著性檢測相結合的運動船舶視覺檢測算法，通過對背景模型的稀疏表示，顯示出基于壓縮感知的檢測算法對各類場景均具有較強的適應能力。在對6種背景建模視覺檢測算法進行定量和定性的對比分析后，《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》提出了一種自適應運動目標檢測策略，以同時適應不同的環(huán)境或同一環(huán)境的多種干擾。介紹了《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》作者團隊專門為內(nèi)河航運這種環(huán)境建立的運動船舶檢測視頻數(shù)據(jù)庫和為同行研究人員學習和開展研究用的算法實驗平臺?！秲?nèi)河航運運動船舶視覺檢測算法（附光盤）》的特點是將算法理淪分析和仿真實驗相結合，可以讓讀者清晰地掌握算法原理和應用中存在的問題以及解決問題的方向，內(nèi)容涉及信息處理、計算機視覺、智能視頻監(jiān)控等領域。《內(nèi)河航運運動船舶視覺檢測算法（附光盤）》可作為計算機、自動化、信息處理和交通工程等專業(yè)高年級本科生和研究生的學習用書，也可作為從事視頻處理和智能視頻分析等的研發(fā)人員的參考用書。

作者簡介

暫缺《內(nèi)河航運運動船舶視覺檢測算法（精）》作者簡介

圖書目錄

第1章緒論
1．1 研究的目的和意義
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 內(nèi)河船舶檢測系統(tǒng)國內(nèi)外研究現(xiàn)狀
1．2．2 運動目標視覺檢測國內(nèi)外研究現(xiàn)狀
1．2．3 基于背景差分法的內(nèi)河運動船舶檢測研究現(xiàn)狀
1．3 運動船舶視覺檢測的特點與難點
1．3．1 特點分析
1．3．2 難點分析
1．4 算法性能評價指標
參考文獻
第2章經(jīng)典的運動目標檢測算法
2．1 光流法
2．1．1 光流法原理
2．1．2 Horn-Schunck算法
2．1．3 Lucas-Kanade算法
2．1．4 光流法分析
2．2 幀差法
2．2．1 二幀差分法
2．2．2 三幀差分法
2．3 背景差分算法
2．3．1 混合高斯模型算法
2．3．2 codebook算法
2．4 實驗對比分析
2．4．1 定性實驗結果及分析
2．4．2 定量實驗結果及分析
參考文獻
第3章基于樣本一致性的檢測算法
3．1 ViBe算法
3．1．1 背景模型初始化
3．1．2 前景檢測
3．1．3 背景模型更新
3．1．4 實驗參數(shù)調(diào)整
3．2 SuBSENSE算法
3．2．1 局部二值相似模式
3．2．2 背景建模
3．2．3 像素分類與背景更新
3．2．4 參數(shù)自適應反饋機制
3．3 基于SuBSENSE的內(nèi)河運動船舶檢測結果與分析
3．4 SuBSENSE算法優(yōu)化
3．4．1 后處理優(yōu)化
3．4．2 時間優(yōu)化
3．5 優(yōu)化后的SuBSENSE算法實驗分析
3．5．1 定性分析
3．5．2 定量分析
參考文獻
第4章基于動態(tài)組稀疏的檢測算法
4．1 壓縮感知原理
4．1．1 信號稀疏表示
4．1．2 非相關測量
4．1．3 重建算法
4．2 動態(tài)組稀疏算法
4．3 基于DGS的運動目標檢測算法
4．3．1 EAdaDGS重構算法
4．3．2 背景字典更新機制
4．3．3 多分辨率檢測
4．4 實驗結果分析
4．4．1 有效性分析
4．4．2 實時性分析
參考文獻
第5章融合稀疏表示和顯著性檢測的背景建模
5．1 基于稀疏表示的背景建模
5．2 基于顯著性檢測的內(nèi)河圖像顯著區(qū)域提取
5．2．1 顯著性檢測
5．2．2 AC模型
5．2．3 Var模型
5．2．4 顯著圖融合
5．3 像素分類與背景更新
5．4 算法分析
5．4．1 理論分析
5．4．2 實驗分析
參考文獻
第6章實驗對比分析
6．1 參數(shù)設置
6．2 定性實驗結果及分析
6．3 定量實驗結果及分析
參考文獻
第7章自適應運動船舶檢測算法
7．1 算法整體框架
7．2 自適應策略
7．2．1 算法原理
7．2．2 權重自適應調(diào)整的空間相關
7．3 實驗結果分析
7．3．1 有效性分析
7．3．2 魯棒性分析
7．3．3 兼容性分析
7．3．4 實時性分析
參考文獻
第8章船舶視覺檢測庫建立與算法實驗平臺設計
8．1 船舶視覺檢測庫建立的必要性
8．2 船舶視覺檢測庫的建立
8．3 算法實驗平臺設計
8．3．1 關鍵技術實現(xiàn)
8．3．2 平臺功能
參考文獻