|
1.内容提要 本书以视频监控中关注人员目标的精准跟踪识别为抓手，以多摄像机联动协同跟踪技术为主线，以视觉基因组为内核，以视频结构化描述技术体系为筋骨，以视频感知融合主动安防机制的现实应用为脉络，通过枪球联动、空地联动、一体化指挥、大场景全景监控、摄像机语音调度、VR可视化应用等热点应用的系统阐述，形成了对当前视频监控应用热点技术图景式的描绘，从技术细节到宏观应用的分层叠进的探索，使得读者对视频监控网络中的多摄像机协同技术及其融合应用的发展脉络有了一个由表及里的立体直观认识。 本书适宜阅读对象为对多摄像机协同智能视频监控系统有所了解的安防从业技术人员，也可为具备一定的视频结构化分析领域基础知识的科研人员和高年级本科生及研究生提供多摄像机协同跟踪方向较为全面的技术参考。 2.目录 1绪论1 1.1视频监控系统的发展1 1.1.1传统视频的不足1 1.1.2智能视频监控的应用2 1.1.3大场景多摄像机协同监控5 1.2视频协同跟踪研究现状15 1.3视频侦查领域的应用需求182运动目标检测与跟踪22 2.1运动目标检测23 2.1.1混合高斯建模23 2.1.2光流法23 2.1.3监督学习法24 2.2行人检测算法25 2.2.1头肩模型27 2.2.2DPM模型29 2.2.3行人检测算法评价准则30 2.3跟踪策略分类31 2.3.1点跟踪法32 2.3.2核跟踪法36 2.3.3剪影跟踪法39 2.4常用人体跟踪算法42 2.4.1卡尔曼滤波法43 2.4.2MeanShift算法433全景生成及枪球联动46 3.1全景生成技术47 3.1.1静态全景拼接47 3.1.2动态全景拼接49 3.2枪球联动系统简介50 3.3枪球联动系统结构54 3.3.1模拟架构枪球联动55 3.3.2数字高清架构枪球联动56 3.3.3网络高清架构枪球联动58 3.4协同控制策略58 3.4.1目标静止时的协同控制58 3.4.2目标运动时的协同控制59 3.4.3运动状态转换时的协同控制59 3.5“一枪多球”及“多枪一球”604人脸检测技术63 4.1人脸检测技术的发展63 4.2常规人脸检测方法64 4.2.1肤色建模65 4.2.2Haar和LBP特征68 4.2.3分类器级联70 4.2.4基于肤色建模与Haar特征的人脸检测74 4.3深度学习框架下的人脸检测76 4.3.1FacenessNet人脸检测算法76 4.3.2SeetaFace人脸检测算法77 4.3.3Faster RCNN人脸检测算法78 4.4人脸定位与放大79 4.5人脸检测加速技术815深度学习机制下的目标识别82 5.1深度学习发展历程82 5.2深度学习主流框架介绍83 5.2.1Caffe84 5.2.2Torch105 5.2.3TensorFlow105 5.3深度学习在人脸检测识别方面的最新进展107 5.3.1科研院所方面的工作107 5.3.2产业方面的工作107 5.4我们的工作108 5.4.1深度学习人脸验证108 5.4.2ImageNet方面的工作114 5.4.3TRECVID方面的工作1156摄像机标定与图像特征匹配方法研究116 6.1透视摄像机标定方法117 6.1.1传统的摄像机标定方法118 6.1.2摄像机自标定方法127 6.2全景摄像机标定方法130 6.2.1多摄像机联动131 6.2.2鱼眼摄像机标定方法137 6.2.3全向摄像机标定方法139 6.3图像特征匹配方法147 6.3.1特征点匹配148 6.3.2特征直线匹配150 6.3.3重复性纹理图像匹配1517人员目标结构化描述及检索154 7.1视频结构化描述技术154 7.2视频结构化描述和语义网156 7.3人员信息结构化描述158 7.3.1人员面部信息结构化描述158 7.3.2人员行为模式结构化描述167 7.4个性化检索引擎1688监控大数据与主动安防体系170 8.1视频监控进入大数据时代170 8.1.1视频大数据的应用难点172 8.1.2基于大数据框架的下一代视频监控系统174 8.1.3基于VSD的监控视频大数据分析176 8.2主动视觉感知融合安防体系180 8.2.1知识图谱182 8.2.2视觉基因组187 8.2.3基于主动视觉融合的安防体系195 8.3语音识别及VR眼镜等新技术的应用1999视频一体化指挥应用201 9.1发展现状201 9.2立体防控技术解决方案205 9.2.1立体防控技术205 9.2.2大型活动立体防控平台206 9.2.3大型活动立体防控平台应用207 9.3未来工作21110总结与展望212 10.1本书总结212 10.2领域发展展望212 参考文献214 |
精品新书
|
| ||||||
|
| ||||||
|
| ||||||
|
| ||||||
 |
 |
