內(nèi)河航運(yùn)船舶視覺跟蹤算法

定　價：￥58.00

作　者：	滕飛，劉清
出版社：	武漢理工大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥58.00)

ISBN：	9787562954941	出版時間：	2017-09-01	包裝：
開本：	16開	頁數(shù)：	121	字?jǐn)?shù)：

內(nèi)容簡介

　　隨著網(wǎng)絡(luò)和計算機(jī)技術(shù)的飛速發(fā)展。內(nèi)河航道信息化成為航運(yùn)安全監(jiān)管的一種有效途徑，航運(yùn)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(jìn)一步提高航運(yùn)視頻監(jiān)控的智能化水平，《內(nèi)河航運(yùn)船舶視覺跟蹤算法/現(xiàn)代航運(yùn)與物流：安全·綠色·智能技術(shù)研究叢書》重點(diǎn)研究了基于視覺的內(nèi)河船舶動態(tài)自動跟蹤的算法。為了使讀肯系統(tǒng)地了解船舶動態(tài)跟蹤領(lǐng)域的理論及算法，《內(nèi)河航運(yùn)船舶視覺跟蹤算法/現(xiàn)代航運(yùn)與物流：安全·綠色·智能技術(shù)研究叢書》分析了船舶動態(tài)跟蹤的國內(nèi)外研究現(xiàn)狀，討論了內(nèi)河船舶視覺跟蹤的特點(diǎn)和難點(diǎn)，詳細(xì)介紹了基于Mean Shift、TLD（Tracking Leaning Detection）、MII（Multiple Instance Learning）、粒子濾波和壓縮跟蹤（Compressive Tracking）等理論構(gòu)建適合內(nèi)河特定場景下船舶跟蹤系統(tǒng)的算法設(shè)計的全部研究成果?！秲?nèi)河航運(yùn)船舶視覺跟蹤算法/現(xiàn)代航運(yùn)與物流：安全·綠色·智能技術(shù)研究叢書》的特點(diǎn)是將算法理論分析與仿真實(shí)驗(yàn)相結(jié)合，可以讓讀者清晰地掌握算法原理和應(yīng)用中存在的問題以及解決問題的方向。《內(nèi)河航運(yùn)船舶視覺跟蹤算法/現(xiàn)代航運(yùn)與物流：安全·綠色·智能技術(shù)研究叢書》內(nèi)容涉及信息處理、計算機(jī)視覺、智能視頻監(jiān)控等領(lǐng)域。《內(nèi)河航運(yùn)船舶視覺跟蹤算法/現(xiàn)代航運(yùn)與物流：安全·綠色·智能技術(shù)研究叢書》可作為計算機(jī)、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(xué)習(xí)用書，也可以作為從事視頻處理和智能視頻分析的研發(fā)人員的參考書。

作者簡介

暫缺《內(nèi)河航運(yùn)船舶視覺跟蹤算法》作者簡介

圖書目錄

1 概論
1．1 引言
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 內(nèi)河船舶視覺跟蹤研究現(xiàn)狀分析
1．2．2 視覺跟蹤算法現(xiàn)狀分析
1．3 內(nèi)河船舶視覺跟蹤系統(tǒng)分析
1．3．1 內(nèi)河船舶視覺跟蹤系統(tǒng)的特點(diǎn)
1．3．2 內(nèi)河船舶視覺跟蹤難點(diǎn)
1．3．3 內(nèi)河船舶視覺跟蹤算法性能評價指標(biāo)
1．4 內(nèi)河船舶視覺跟蹤標(biāo)準(zhǔn)庫建設(shè)
1．4．1 標(biāo)準(zhǔn)庫建設(shè)的必要性
1．4．2 標(biāo)準(zhǔn)庫內(nèi)容分析
本章參考文獻(xiàn)
2 基于濾波理論的內(nèi)河船舶視覺跟蹤
2．1 Kalman濾波器
2．2 粒子濾波理論
2．2．1 貝葉斯估計
2．2．2 蒙特卡洛方法
2．3 粒子濾波器
2．3．1 粒子濾波器原理
2．3．2 粒子濾波器算法描述
2．4 基于粒子濾波算法的目標(biāo)跟蹤
2．5 基于濾波理論的船舶跟蹤實(shí)驗(yàn)及算法分析
2．5．1 基于卡爾曼濾波的船舶跟蹤實(shí)驗(yàn)及分析
2．5．2 基于粒子濾波的船舶跟蹤實(shí)驗(yàn)及分析
本章參考文獻(xiàn)
3 Mean Shift內(nèi)河船舶跟蹤算法
3．1 基本Mean Shift算法
3．2 擴(kuò)腱Mean Shift算法
3．3 Mean Shift算法物理學(xué)含義
3．4 Mean Shift船舶跟蹤算法
3．4．1 算法原理
3 4．2 跟蹤流程圖
3 4．3 程序設(shè)計步驟
3．4．4 算法分析
本章參考文獻(xiàn)
4 MIL內(nèi)河船舶跟蹤算法
4．1 算法原理
4．1．1 圖像的表示
4 1．2 運(yùn)動模型
4．1．3 外觀模型
4．2 算法分析
本章參考文獻(xiàn)
5 隨機(jī)投影內(nèi)河船舶跟蹤算法
5．1 隨機(jī)投影理論
5．2 算法原理
5．3 算法分析
5．3．1 原始信號屬性
j．3 2 隨機(jī)觀測矩陣
5 3．3 尺度跟蹤
5．3．4 遮擋跟蹤
本章參考文獻(xiàn)
6 正交粒子濾波低秩約束隨機(jī)投影內(nèi)河船舶跟蹤算法
6．1 貝葉斯?fàn)顟B(tài)估計
6．2 狀態(tài)轉(zhuǎn)移密度設(shè)計
6．3 建議分布選擇
6．4 正交實(shí)驗(yàn)原理
6．5 正交實(shí)驗(yàn)設(shè)計
6．6 正交粒子濾波
6．7 觀測似然概率密度設(shè)計
6．7．1 隨機(jī)觀測矩陣
6．7．2 目標(biāo)判定準(zhǔn)則
6．8 算法分析
本章參考文獻(xiàn)
7 跟蹤檢測協(xié)同內(nèi)河船舶跟蹤算法
7．1 算法原理
7．1．1 跟蹤模塊
7．1．2 檢測模塊
7．1．3 位置估計
7．1．4 學(xué)習(xí)模塊
7．2 算法分析
本章參考文獻(xiàn)
8 實(shí)驗(yàn)對比及分析
8．1 參數(shù)設(shè)置
8．2 評價指標(biāo)
8．3 定性實(shí)驗(yàn)結(jié)果及分析
8．4 定量實(shí)驗(yàn)結(jié)果及分析