人工智能
类型
可以朗读
语音朗读
81千字
字数
2018-01-01
发行日期
展开全部
主编推荐语
本书研究复杂交通环境下行人检测关键技术,涉及算法、特征识别、检测融合等。
内容简介
基于单目视觉的行人检测是是目前计算机应用领域的研究热点。本书针对复杂城市交通环境下行人的安全问题,对以下关键技术进行了研究:1)一种基于树形Adaboost 算法和 Haar-like特征的行人候选区域分割算法;2)基于mean shift的多尺度检测融合;3)基于改进Shapelet特征的行人识别;4)基于部位的行人识别算法;5)基于在线学习的行人检测。
目录
- 扉页
- 版权页
- 目录
- 内容提要
- 前言
- 第1章 绪论
- 1.1 研究的意义及背景
- 1.2 国内外研究的进展与典型系统
- 1.2.1 美国的研究进展及典型系统介绍
- 1.2.2 欧洲的研究进展及典型系统介绍
- 1.2.3 日本的研究进展及典型系统介绍
- 1.2.4 中国的研究进展及典型的系统介绍
- 1.3 国内外基于视觉的行人检测技术的研究现状
- 1.3.1 感兴趣区域分割
- 1.3.2 目标识别
- 1.4 问题和不足
- 1.5 本章小结
- 第2章 基于单目视觉的行人检测系统概述
- 2.1 多功能智能汽车实验平台——THMR-V
- 2.2 相关术语
- 2.3 本章小结
- 第3章 基于Haar-like特征和Adaboost的行人候选区域分割
- 3.1 Haar-like特征和积分图
- 3.2 Adaboost及树形分类算法
- 3.2.1 Adaboost算法
- 3.2.2 树形分类算法
- 3.3 实验结果与分析
- 3.3.1 分类器的训练
- 3.3.2 行人假设区域的生成
- 3.4 本章小结
- 第4章 基于Mean-shift的多尺度检测的融合
- 4.1 多尺度检测融合算法的设计目标
- 4.1.1 多尺度检测融合算法的前提假设
- 4.1.2 多尺度检测融合算法的设计原则
- 4.2 基于Mean-shift算法的多尺度检测融合
- 4.2.1 核密度函数估计
- 4.2.2 基于均值漂移的多尺度检测融合算法
- 4.3 相关参数的设置
- 4.4 本章小结
- 第5章 基于改进Shapelet特征的行人识别
- 5.1 基于标准Shapelet特征的行人识别
- 5.1.1 底层特征
- 5.1.2 Shapelet特征
- 5.1.3 分类器
- 5.2 基于改进Shapelet特征的行人识别
- 5.2.1 行人数据集
- 5.2.2 子窗口的空间分布
- 5.2.3 底层特征的计算
- 5.2.4 归一化方法
- 5.3 相关实验结果
- 5.4 本章小结
- 第6章 基于部位的行人识别算法
- 6.1 集成模型的相关工作
- 6.1.1 全局模型
- 6.1.2 分布式模型
- 6.2 系统结构概述
- 6.3 基于部位的行人检测器集成模型
- 6.3.1 模型概述
- 6.3.2 部位检测器
- 6.3.3 子结构检测器
- 6.3.4 子结构检测器的学习
- 6.3.5 集成检测器
- 6.4 最优集成检测器的学习
- 6.4.1 覆盖集
- 6.4.2 集成检测器检测率和虚警率的估计
- 6.4.3 最优集成检测器的学习算法
- 6.5 基于集成模型的行人检测
- 6.5.1 马尔可夫随机场理论
- 6.5.2 基于MAP-MRF框架的行人检测
- 6.6 相关实验和分析
- 6.7 本章小结
- 第7章 基于在线学习的行人检测
- 7.1 引言
- 7.2 基于Adaboost算法的在线学习和检测
- 7.2.1 基于在线学习的行人检测框架
- 7.2.2 基于Adaboost的在线学习算法
- 7.2.3 在线的弱分类器学习算法
- 7.3 实验结果与分析
- 7.3.1 数据集和相关参数的定义
- 7.3.2 实验结果
- 7.4 本章小结
- 第8章 行人检测技术的研究成果及进一步工作
- 8.1 研究成果
- 8.2 进一步工作
- 参考文献
展开全部
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。