视频图像运动目标分析

　　《视频图像运动目标分析》对视频图像运动目标分析中各方面的技术发展状况进行了分析，综述了国内外研究现状，然后提出各种可见光、红外等传感器在各种光照、背景条件下的目标检测、跟踪以及摄像机控制等问题的解决方法，并给出实验实例。全书共分11章，3个部分。第0章绪论，综述了视频图像运动目标分析技术，引出这个领域中的基本概念及研究现状，引出各种算法的分析思路等；第1部分为背景建模与目标检测，包括第1章一第3章，分别介绍了双模型自适应背景建模方法、混合高斯阴影抑制方法以及基于新特征的Adaboost行人检测器等；第2部分为运动目标跟踪方法，包括第4章一第6章，分别介绍了基于模糊颜色直方图、纹理特征和多特征自适应融合的运动目标跟踪方法；第3部分为摄像机系统控制、多摄像机目标交接以及目标分析系统设计等技术。

暂缺《视频图像运动目标分析》作者简介

第0章 绪论 0.1 视频运动目标分析技术 0.2 运动目标分析技术研究现状 0.2.1 运动目标检测、分类 0.2.2 运动目标跟踪 0.2.3 行为识别与理解 0.2.4 多摄像机运动目标分析系统 0.3 本书内容安排 第1部分 背景建模与目标检测第1章 双模型自适应背景建模方法 1.1 双模型背景建模 1.1.1 双模型背景建模思路 1.1.2 双模型运动目标检测方案 1.1.3 双模型运动目标检测算法 1.2 实验结果与分析 1.2.1 双模型运动目标检测算法实验结果 1.2.2 关于尺度参数选取的实验分析 1.2.3 关于熵图像更新终止逻辑的实验分析 1.3 多模型框架下的自适应混合高斯模型及实验结果第2章 基于混合高斯模型的阴影抑制算法 2.1 阴影抑制 2.1.1 基于颜色模型变换的阴影抑制 2.1.2 基于统计的阴影抑制 2.1.3 基色彩特征不变量的阴影抑制 2.2 基于GMM的阴影抑制算法 2.2.1 算法流程 2.2.2 实验分析第3章 基于新特征的Adaboost行人检测器 3.1 Adaboost分类器 3.1.1 Adaboost分类器的构造 3.1.2 Adaboost算法的收敛性能 3.1.3 Adaboot算法的泛化能力 3.2 目标特征提取 3.2.1 传统的特征表述 3.2.2 三角特征 3.2.3 复合特征 3.3 实验分析 3.3.1 样本库 3.3.2 弱分类器训练分析 3.3.3 强分类器训练分析 3.3.4 行人检测结果 第2部分 运动目标跟踪方法第4章 基于模糊颜色直方图的目标跟踪 4.1 模糊颜色直方图 4.2 基于模糊颜色直方图的函数目标跟踪算法 4.2.1 目标的模糊颜色直方图 4.2.2 目标模糊颜色直方图的动态修正 4.2.3 相似性度量及目标定位 4.2.4 算法步骤 4.3 实验结果及分析第5章 基于纹理特征的目标跟踪 5.1 LBP纹理特征 5.2 基于LBP纹理特征的目标跟踪 5.2.1 基于区域置信水平及距离加权的目标模型 5.2.2 相似性度量及目标定位 5.3 算法步骤及实验结果分析 5.3.1 算法步骤 5.3.2 实验结果及分析第6章 基于多特征自适应融合的目标跟踪 6.1 目标跟踪 6.1.1 目标的多特征模型 6.1.2 多特征相似性度量及目标定位 6.2 目标模型自适应更新 6.2.1 目标子模型权值的自适应更新 6.2.2 目标子模型的选择性更新 6.3 算法步骤及实验结果 第3部分 摄像机系统的控制、目标交接与多机协同第7章 移动摄像机的运动目标跟踪 7.1 图像差分目标检测 7.1.1 图像差分法 7.1.2 矩形轮廓模型 7.2 基于颜色特征的目标匹配 7.2.1 匹配方法 7.2.2 区间数的选取 7.2.3 颜色空间选择 7.2.4 YCbCr颜色空间与RGB颜色空间性能比较 7.3 基于差分图像的动摄像机目标检测跟踪算法 7.3.1 算法流程 7.3.2 实验分析第8章 基于证据理论的多摄像机目标交接 8.1 基于D-S证据理论的多特征融合目标交接算法 8.1.1 多特征的描述 8.1.2 算法理论 8.1.3 算法流程 8.2 实验及其结果分析 8.3 多摄像机目标检测跟踪系统第9章 基于视野分界线的目标交接算法 9.1 摄像机视野分界线的划分 9.1.1 摄像机视野分界线 9.1.2 视野分界线的划分 9.2 多摄像机多目标交接 9.2.1 目标的确定 9.2.2 建立对应关系 9.3 实验结果分析第10章 多摄像机运动目标分析系统设计 10.1 多摄像机运动目标跟踪系统设计 10.1.1 系统构架 10.1.2 多摄像机间的协调与同步 10.1.3 多摄像机数据通信 10.1.4 部分操作界面 10.1.5 多摄像机实验结果 10.2 视频数据库 10.2.1 国际测试视频库 10.2.2 GreatWall测试视频数据库的建立参考文献