智能视频数据处理与挖掘

定　价：¥48.00

作　者：	梁美玉
出版社：	北京邮电大学出版社
丛编项：
标　签：	暂缺

ISBN：	9787563564446	出版时间：	2022-04-01	包装：	平装
开本：	16开	页数：	192	字数：

内容简介

　　本书主要研究了智能视频数据处理与挖掘相关技术及应用，以提高视频数据中异常事件检测与识别的智能化、精准化、鲁棒性、实时性等性能为目的，从而实现对异常突发事件及时预测和预警，保障公共安全。本书首先研究了视频数据的去噪技术，重点研究了基于残差卷积神经网络的视频去噪算法；然后研究了视频数据的超分辨率重建技术，重点研究了基于深度学习、半耦合字典学习和时空非局部相似性特征的视频超分辨率重建算法；其次研究了视频的显著性时空特征提取算法，然后在此基础上研究了视频异常事件检测与识别技术，重点研究了基于稀疏组合学习的视频异常事件检测算法，以及基于时空感知深度网络的视频异常事件识别算法。构建了视频数据去噪和超分辨率重建系统，并以面向智慧旅游领域的旅游景区视频数据为例，将本书提出的相关模型和算法应用于旅游景区视频数据的智能挖掘，构建了旅游景区视频异常事件检测与识别系统，及时自动监测旅游突发事件。此外，本书相关技术还可应用于智慧城市、智能交通、智慧校园、智慧医疗等领域，切实加强保障公共安全，以实现智慧安防。本书体系结构完整，注重理论联系实际，可作为计算机应用、人工智能、大数据、电子信息等相关专业的工程技术人员、科研人员、研究生和高年级本科生参考用书。

作者简介

暂缺《智能视频数据处理与挖掘》作者简介

图书目录

第1章绪论
1.1 研究背景与意义
1.2 外研究现状
1.2.1 视频超分辨率重建方法的研究现状
1.2.2 视频去噪方法的研究现状
1.2.3 视频异常事件检测方法的研究现状
l.2.4 视频异常事件识别方法的研究现状
参考文献
第2章相关技术
2.1 稀疏字典学习
2.1.1 低秩矩阵的生成
2.1.2 低秩矩阵的分解
2.2 视频的时空相似性学习
2.3 视频特征提取
2.3.1 运动目标检测
2.3.2 背景建模方法
2.3.3 行为特征表示
2.4 基于深度学习模型的视频超分辨率重建
2.4.1 基于深度卷积神经网络的超分辨率重建算法概述
2.4.2 深度卷积神经网络在超分辨率重建算法中的应用
2.5 视频异常事件检测
2.5.1 基于深度学习的异常事件检测方法
2.5.2 基于稀疏表示的异常事件检测方法
2.6 视频异常事件识别
本章小结
参考文献
第3章基于残差卷积神经网络的视频去噪
3.1 基于残差卷积神经网络的视频去噪算法框架
3.2 基于残差卷积神经网络的视频去噪算法实现
3.2.1 基于低秩矩阵分解的稀疏字典去噪
3.2.2 残差图像预处理
3.2.3 卷积神经网络训练
3.2.4 基于残差卷积神经网络的视频去噪算法的实现步骤
3.3 实验结果及分析
3.3.1 实验一：不同噪声方差下对随机噪声的去噪效果对比实验
3.3.2 实验二：相同噪声方差下对不同噪声的去噪效果对比实验
本章小结
参考文献
第4章基于半耦合字典学习和时空非局部相似性的视频超分辨率重建
4.1 引言
4.2 视频超分辨率重建观测模型
4.3 基于非局部相似性的超分辨率重建
4.4 基于半耦合字典学习和时空非局部相似性的视频超分辨率重建算法
4.4.1 CNLSR算法研究动机
4.4.2 CNLSR算法框架
4.4.3 CNLSR算法数学模型
4.4.4 CNLSR算法描述
4.4.5 CNLSR算法步骤
4.5 实验结果与分析
4.5.1 实验数据集