实用性目标检测与跟踪算法原理及应用

第1章 视频目标检测综述及Viola-Jones算法
1.1 目标检测技术综述
1.1.1 基于特征的目标检测
1.1.2 基于模板的目标检测
1.1.3 基于运动的目标检测
1.1.4 基于分类器的目标检测
1.2 基于Viola-Jones算法的视频目标检测原理分析
1.2.1 Haar-Like特征描述
1.2.2 积分图像
1.2.3 AdaBoost算法
1.2.4 级联分类器
1.3 基于Viola-Jones算法的人脸检测及其OpenCV实现
1.3.1 级联分类器的训练
1.3.2 实现人脸检测的OpenCV代码分析
参考文献
第2章 基于HOG-SVM算法的行人检测原理与实现
2.1 HOG特征提取
2.1.1 颜色空间标准化
2.1.2 计算图像梯度
2.1.3 空间和方向上的梯度统计
2.1.4 重叠Block特征的标准化
2.1.5 收集检测空间所有Block的HOG特征
2.2 SVM原理分析
2.2.1 SVM理论基础
2.2.2 线性SVM
2.2.3 非线性SVM
2.3 基于HOG-SVM算法的行人检测及其0penCV实现
2.3.1 行人检测器的训练
2.3.2 实现行人检测的OpenCV代码剖析
2.3.3 实验结果与分析
参考文献
第3章 视频目标跟踪技术综述
3.1 视频目标跟踪的应用领域
3.2 视频目标跟踪系统模块组成
3.2.1 目标描述
3.2.2 目标特征的选择
3.3 跟踪算法分类与举例
3.4 目标跟踪所面临的挑战问题
3.4.1 目前跟踪方法存在的问题
3.4.2 长时间目标跟踪
3.4.3 TLD算法
3.5 目标跟踪评测方法与数据集
3.5.1 评测方法
3.5.2 评测数据集
参考文献
第4章 CT算法的原理与实现及改进
4.1 相关理论基础介绍
4.1.1 朴素贝叶斯分类器
4.1.2 随机Haar-Like特征.
4.1.3 压缩感知理论
4.1.4 目标跟踪算法性能评价指标
4.2 CT算法原理及实现细节分析
4.2.1 CT算法的原理
4.2.2 CT算法实现步骤
4.2.3 CT算法的细节分析
4.2.4 CT算法的Matlab实现难点
4.3 基于局部区域相似度匹配的改进算法
4.3.1 区域选择
4.3.2 相似度计算
4.3.3 实验结果与分析
4.4 基于表观模型再匹配的改进算法
4.4.1 朴素贝叶斯分类器值的剖析
4.4.2 改进算法的实现
4.4.3 实验结果与分析
4.5 利用加权分块策略应对遮挡问题的目标跟踪改进算法
4.5.1 改进算法的实现
4.5.2 实验结果与分析
4.6 小结
参考文献
第5章 跟踪与检测及学习相结合的目标跟踪算法
5.1 TLD算法介绍
5.2 TLD中的跟踪算法
5.2.1 光流法简介
5.2.2 牛顿迭代法
5.2.3 经典光流法
5.2.4 金字塔LK光流法
5.2.5 光流法的应用
5.3 TLD中的目标检测算法
5.3.1 方差分类器
5.3.2 级联分类器
5.3.3 KNN分类器
5.4 实验结果及性能分析
5.4.1 TLD性能分析
5.4.2 P-N学习的性能分析
参考文献
第6章 目标检测与TLD算法的应用举例
6.1 人眼检测与跟踪
6.1.1 基于AdaBoost的人眼区域检测
6.1.2 基于尺度均衡策略的快速人脸检测
6.1.3基于TLD的人眼跟踪系统
6.1.4 实验结果与分析
6.2 多人脸目标跟踪
6.2.1 人脸目标检测
6.2.2 多人脸的标记与分离
6.2.3 多人脸跟踪
6.2.4 实验结果与分析
参考文献
第7章 基于压缩跟踪算法的交互式鱼体跟踪
7.1 计算鱼类游泳速度方法的选择
7.2 交互式视频跟踪
7.2.1 交互式视频跟踪算法的实现
7.2.2 目标样本再选择方法介绍
7.2.3 目标样本再选择方法实验结果分析
7.2.4 算法流程
7.2.5 交互式跟踪得到鱼头位置的数据
7.2.6 交互式视频跟踪技术的Matlab实现
7.3整鱼图像抠取算法
7.3.1 抠取整鱼图像的方法
7.3.2 抠取整鱼图像的实验结果
7.3.3 算法流程
7.3.4 抠取整鱼图像算法的Matlab实现
参考文献