基于單目視覺(jué)的智能汽車(chē)行人檢測技術(shù)研究簡(jiǎn)介，目錄書(shū)摘
2020-04-13 18:28
來(lái)源：京東
作者：京東
基于單目視覺(jué)的智能汽車(chē)行人檢測技術(shù)研究
暫無(wú)報價(jià)
20+評論
100%好評
編輯推薦:提出了多種更好的，且能夠進(jìn)行深入研究的內容，作者本人在計算機視覺(jué)、機器學(xué)習等領(lǐng)域有較高的知名度，很多學(xué)者、學(xué)生都曾經(jīng)和作者主動(dòng)聯(lián)系，希望購買(mǎi)和閱讀相關(guān)圖書(shū)。
內容簡(jiǎn)介:基于單目視覺(jué)的行人檢測是城市交通環(huán)境下智能汽車(chē)輔助導航技術(shù)中的一項關(guān)鍵技術(shù)，也是目前計算機應用領(lǐng)域的研究熱點(diǎn)之一。
本書(shū)以作者在智能汽車(chē)領(lǐng)域的研究成果為基礎，重點(diǎn)討論了基于樹(shù)形Adaboost算法和Haar-like特征的行人候選區域分割算法；基于mean－shift方法的多尺度檢測融合算法；基于改進(jìn)Shapelet特征的行人識別算法；基于子結構的部位集成檢測器設計方法，該算法主要針對復雜場(chǎng)景下行人之間、行人與其他障礙物之間的遮擋問(wèn)題；行人檢測的在線(xiàn)學(xué)習與檢測框架。
本書(shū)適合研究方向為智能汽車(chē)、機器學(xué)習的碩士、博士研究生及相關(guān)專(zhuān)業(yè)技術(shù)人員學(xué)習和參考。
本書(shū)以作者在智能汽車(chē)領(lǐng)域的研究成果為基礎，重點(diǎn)討論了基于樹(shù)形Adaboost算法和Haar-like特征的行人候選區域分割算法；基于mean－shift方法的多尺度檢測融合算法；基于改進(jìn)Shapelet特征的行人識別算法；基于子結構的部位集成檢測器設計方法，該算法主要針對復雜場(chǎng)景下行人之間、行人與其他障礙物之間的遮擋問(wèn)題；行人檢測的在線(xiàn)學(xué)習與檢測框架。
本書(shū)適合研究方向為智能汽車(chē)、機器學(xué)習的碩士、博士研究生及相關(guān)專(zhuān)業(yè)技術(shù)人員學(xué)習和參考。
作者簡(jiǎn)介:長(cháng)期從事計算機、人工智能相關(guān)領(lǐng)域的技術(shù)研究。在國內外一級刊物發(fā)表數十篇論文，并得到廣泛應用，先后承擔了包括國家自然科學(xué)基金、省科技發(fā)展計劃等多個(gè)項目。
目錄:第1章 緒論 1
1．1研究的意義及背景 1
1．2國內外研究的進(jìn)展與典型系統 3
1．2．1美國 3
1．2．2歐洲 4
1．2．3日本 6
1．2．4中國 7
1．3國內外基于視覺(jué)的行人檢測技術(shù)的研究現狀 11
1．3．1感興趣區域（ROI）分割 12
1．3．2目標識別 14
1．4問(wèn)題和不足 18
1．5本章小結 18
第2章 基于單目視覺(jué)的行人檢測系統概述 19
2．1多功能智能汽車(chē)實(shí)驗平臺 — THMR－V 19
2．2相關(guān)術(shù)語(yǔ) 21
2．3本章小結 22
第3章 基于Haar－like特征和Adaboost的行人候選區域分割 23
3．1Haar－like特征和積分圖 23
3．2Adaboost及樹(shù)形分類(lèi)算法 25
3．2．1Adaboost算法 25
3．2．2樹(shù)形分類(lèi)算法 28
3．3實(shí)驗結果與分析 31
3．3．1分類(lèi)器的訓練 31
3．3．2行人假設區域的生成 32
3．4本章小結 34
第4章 基于mean shift的多尺度檢測的融合 35
4．1多尺度檢測融合算法的設計目標 35
4．1．1多尺度檢測融合算法的前提假設 35
4．1．2多尺度檢測融合算法的設計原則 36
4．2基于mean shift算法的多尺度檢測融合 37
4．2．1核密度函數估計 37
4．2．2基于均值漂移（mean shift）的多尺度檢測融合算法 38
4．3相關(guān)參數的設置 41
4．4本章小結 44
第5章 基于改進(jìn)Shapelet特征的行人識別 45
5．1基于標準Shapelet特征的行人識別 46
5．1．1底層特征 47
5．1．2Shapelet特征 48
5．1．3分類(lèi)器 50
5．2基于改進(jìn)Shapelet特征的行人識別 51
5．2．1行人數據集 51
5．2．2子窗口的空間分布 52
5．2．3底層特征的計算 55
5．2．4歸一化方法 57
5．3相關(guān)實(shí)驗結果 58
5．4本章小結 60
第6章 基于部位的行人識別算法 61
6．1集成模型的相關(guān)工作 62
6．1．1全局模型 62
6．1．2分布式模型 62
6．2系統結構概述 62
6．3基于部位的行人檢測器集成模型 64
6．3．1模型概述 64
6．3．2部位檢測器 65
6．3．3子結構檢測器 65
6．3．4子結構檢測器的學(xué)習 66
6．3．5集成檢測器 69
6．4最優(yōu)集成檢測器的學(xué)習 69
6．4．1覆蓋集(covering set) 69
6．4．2集成檢測器檢測率和虛警率的估計 71
6．4．3最優(yōu)集成檢測器的學(xué)習算法 72
6．5基于集成模型的行人檢測 74
6．5．1馬爾可夫隨機場(chǎng)理論[111] 74
6．5．2基于MAP－MRF框架的行人檢測 76
6．6相關(guān)實(shí)驗和分析 78
6．7本章小結 79
第7章 基于在線(xiàn)學(xué)習的行人檢測 81
7．1引言 81
7．2基于A(yíng)daboost算法的在線(xiàn)學(xué)習和檢測 82
7．2．1基于在線(xiàn)學(xué)習的行人檢測框架 82
7．2．2基于A(yíng)daboost的在線(xiàn)學(xué)習算法 83
7．2．3在線(xiàn)的弱分類(lèi)器學(xué)習算法 89
7．3實(shí)驗結果與分析 91
7．3．1數據集和相關(guān)參數的定義 92
7．3．2實(shí)驗結果 92
7．4本章小結 95
1．1研究的意義及背景 1
1．2國內外研究的進(jìn)展與典型系統 3
1．2．1美國 3
1．2．2歐洲 4
1．2．3日本 6
1．2．4中國 7
1．3國內外基于視覺(jué)的行人檢測技術(shù)的研究現狀 11
1．3．1感興趣區域（ROI）分割 12
1．3．2目標識別 14
1．4問(wèn)題和不足 18
1．5本章小結 18
第2章 基于單目視覺(jué)的行人檢測系統概述 19
2．1多功能智能汽車(chē)實(shí)驗平臺 — THMR－V 19
2．2相關(guān)術(shù)語(yǔ) 21
2．3本章小結 22
第3章 基于Haar－like特征和Adaboost的行人候選區域分割 23
3．1Haar－like特征和積分圖 23
3．2Adaboost及樹(shù)形分類(lèi)算法 25
3．2．1Adaboost算法 25
3．2．2樹(shù)形分類(lèi)算法 28
3．3實(shí)驗結果與分析 31
3．3．1分類(lèi)器的訓練 31
3．3．2行人假設區域的生成 32
3．4本章小結 34
第4章 基于mean shift的多尺度檢測的融合 35
4．1多尺度檢測融合算法的設計目標 35
4．1．1多尺度檢測融合算法的前提假設 35
4．1．2多尺度檢測融合算法的設計原則 36
4．2基于mean shift算法的多尺度檢測融合 37
4．2．1核密度函數估計 37
4．2．2基于均值漂移（mean shift）的多尺度檢測融合算法 38
4．3相關(guān)參數的設置 41
4．4本章小結 44
第5章 基于改進(jìn)Shapelet特征的行人識別 45
5．1基于標準Shapelet特征的行人識別 46
5．1．1底層特征 47
5．1．2Shapelet特征 48
5．1．3分類(lèi)器 50
5．2基于改進(jìn)Shapelet特征的行人識別 51
5．2．1行人數據集 51
5．2．2子窗口的空間分布 52
5．2．3底層特征的計算 55
5．2．4歸一化方法 57
5．3相關(guān)實(shí)驗結果 58
5．4本章小結 60
第6章 基于部位的行人識別算法 61
6．1集成模型的相關(guān)工作 62
6．1．1全局模型 62
6．1．2分布式模型 62
6．2系統結構概述 62
6．3基于部位的行人檢測器集成模型 64
6．3．1模型概述 64
6．3．2部位檢測器 65
6．3．3子結構檢測器 65
6．3．4子結構檢測器的學(xué)習 66
6．3．5集成檢測器 69
6．4最優(yōu)集成檢測器的學(xué)習 69
6．4．1覆蓋集(covering set) 69
6．4．2集成檢測器檢測率和虛警率的估計 71
6．4．3最優(yōu)集成檢測器的學(xué)習算法 72
6．5基于集成模型的行人檢測 74
6．5．1馬爾可夫隨機場(chǎng)理論[111] 74
6．5．2基于MAP－MRF框架的行人檢測 76
6．6相關(guān)實(shí)驗和分析 78
6．7本章小結 79
第7章 基于在線(xiàn)學(xué)習的行人檢測 81
7．1引言 81
7．2基于A(yíng)daboost算法的在線(xiàn)學(xué)習和檢測 82
7．2．1基于在線(xiàn)學(xué)習的行人檢測框架 82
7．2．2基于A(yíng)daboost的在線(xiàn)學(xué)習算法 83
7．2．3在線(xiàn)的弱分類(lèi)器學(xué)習算法 89
7．3實(shí)驗結果與分析 91
7．3．1數據集和相關(guān)參數的定義 92
7．3．2實(shí)驗結果 92
7．4本章小結 95
相關(guān)商品
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
1
莫凡包郵
3
深入淺出SQL
4
能斯達
5
信息傳播
6
信息安全體系結構
7
口頭評述
9
獻世旗艦店
10
怎么購買(mǎi)電視機
11
微波通信網(wǎng)
12
信息蘭臺
13
信息檢索于光
16
Arc Toolbox
18
it電腦商城
19
abb企業(yè)
20
arcgis 10.1
21
信息安全原理
22
京公網(wǎng)安備 11000002000088號
