/3729/1201193729_22_1.jpg?1545647816653)
推荐图书
-
/9657/1201609657_49_2_800x800.jpg?1669713038205)
€11.25 -
/5370/1201645370_0_3_800x800.jpg?1685005011351)
€10.50 -
/1476/1201711476_0_1_800x800.jpg?1545647833773)
€9.50 -
/3238/1201733238_49_0_original_800x800.jpg?1563429733728)
€4.00 -
/9243/1201759243_0_3_original_800x800.jpg?1597997727253)
€10.50 -
/2133/1201782133_49_2_800x800.jpg?1546999862957)
€24.50 -
/1613/1201801613_49_0_800x800.jpg?1550827682668)
€17.00 -
/8047/1201808047_49_0_original_800x800.jpg?1555492033477)
€12.00
/9657/1201609657_49_2_800x800.jpg?1669713038205)
/5370/1201645370_0_3_800x800.jpg?1685005011351)
/1476/1201711476_0_1_800x800.jpg?1545647833773)
/3238/1201733238_49_0_original_800x800.jpg?1563429733728)
/9243/1201759243_0_3_original_800x800.jpg?1597997727253)
/2133/1201782133_49_2_800x800.jpg?1546999862957)
/1613/1201801613_49_0_800x800.jpg?1550827682668)
/8047/1201808047_49_0_original_800x800.jpg?1555492033477)
/1399/1200971399_0_0_original_800x800.jpg?1717150516328)
/7264/1200997264_49_3_original_800x800.png?1699493902476)
/5374/1201385374_49_2_original_800x800.jpg?1694073883181)
/0541/1201390541_22_1.jpg?1545647662974)
/1264/1201391264_0_1_800x800.jpg?1545647301202)
/8193/1201458193_0_1_800x800.jpg?1545646185483)
商品介绍
目录
第1章绪论
1.1引言
1.2背景及意义
1.3国内外研究现状
1.4主要难点与发展趋势
1.5研究内容与结构安排
第2章视频分析与摘要研究现状
2.1引言
2.2视频异常事件检测方法概述
2.3视频摘要方法概述
第3章基于社会力模型的拥挤场景下异常事件检测
3.1引言
3.2相关工作
3.3基于社会力模型的异常检测
3.4互作用力估计
3.5实验结果与分析
3.6本章小结
第4章基于鲁棒性稀疏编码的拥挤场景下异常事件检测
4.1引言
4.2相关工作
4.3稀疏表示介绍
4.4EMD
4.5本书算法
4.6实验结果与分析
4.7本章小结
第5章基于关键观测点选择的视频浓缩
5.1引言
5.2基于运动目标的视频浓缩介绍
5.3对象序列提取
5.4关键观测点选择
5.5视频浓缩优化算法
5.6实验结果与分析
5.7本章小结
第6章基于摄像机网络的视频浓缩
6.1引言
6.2相关工作
6.3摄像机间轨迹匹配方法
6.4基于摄像机网络的视频浓缩算法
6.5实验结果与分析
6.6本章小结
附录A符号和记号
附录B模式组合的一些基本概念
B.1图
B.2树
B.3符号串
附录C概率统计的一些预备知识
C.1概率
C.2最大似然估计
C.3条件概率
C.4贝叶斯公式
C.5随机变量
C.6二项式分布
C.7联合概率分布和条件概率分布
C.8贝叶斯决策理论
C.9期望和方差
附录D名词术语解释
参考文献
后记
1.1引言
1.2背景及意义
1.3国内外研究现状
1.4主要难点与发展趋势
1.5研究内容与结构安排
第2章视频分析与摘要研究现状
2.1引言
2.2视频异常事件检测方法概述
2.3视频摘要方法概述
第3章基于社会力模型的拥挤场景下异常事件检测
3.1引言
3.2相关工作
3.3基于社会力模型的异常检测
3.4互作用力估计
3.5实验结果与分析
3.6本章小结
第4章基于鲁棒性稀疏编码的拥挤场景下异常事件检测
4.1引言
4.2相关工作
4.3稀疏表示介绍
4.4EMD
4.5本书算法
4.6实验结果与分析
4.7本章小结
第5章基于关键观测点选择的视频浓缩
5.1引言
5.2基于运动目标的视频浓缩介绍
5.3对象序列提取
5.4关键观测点选择
5.5视频浓缩优化算法
5.6实验结果与分析
5.7本章小结
第6章基于摄像机网络的视频浓缩
6.1引言
6.2相关工作
6.3摄像机间轨迹匹配方法
6.4基于摄像机网络的视频浓缩算法
6.5实验结果与分析
6.6本章小结
附录A符号和记号
附录B模式组合的一些基本概念
B.1图
B.2树
B.3符号串
附录C概率统计的一些预备知识
C.1概率
C.2最大似然估计
C.3条件概率
C.4贝叶斯公式
C.5随机变量
C.6二项式分布
C.7联合概率分布和条件概率分布
C.8贝叶斯决策理论
C.9期望和方差
附录D名词术语解释
参考文献
后记
内容简介
随着摄像机视频监控的广泛应用，面对实时全天候摄入的海量视频监控数据，不仅需要对视频进行有效地组织和管理，还需要让计算机自动地理解视频内容并做出处理，实现智能化视频监控。智能化视频监控是计算机视觉领域的一个前沿方向，它综合利用模式识别、机器学习、计算机视觉、图像处理等技术，在交通管理、安全监控等方面有着广泛的应用前景，成为一个热点研究问题。而相关领域的数学算法和具体技术林林总总各不相同，甚至从思路上
精彩内容
本书针对智能视频分析这一主题，围绕视频监控中的两个核心问题，即异常事件检测与摘要，详细地介绍了其概念、原理和技术方法。针对监控的复杂场景的需求，采用了机器学习、模式识别和计算机视觉中的一些*进技术，探讨了智能监控背景下的运动目标提取、事件分类和视频摘要等关键问题，为增强现有的智能视频监控系统的自动化程度和智能处理能力提供强有力的理论支持和技术帮助。