多源视觉信息感知与识别PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 概述 1

1.2 人类视觉感知系统 2

1.2.1 人类视觉感知系统的生理结构 2

1.2.2 视觉感知 5

1.3 多源视觉传感机理 6

1.3.1 激光扫描成像 6

1.3.2 动态视觉传感器 8

1.3.3 位姿成像感知 9

1.4 多源视觉感知系统框架和基本组成 11

1.5 本章小结 12

本章参考文献 13

第2章 多源视觉感知与识别——人脸识别 20

2.1 人脸识别问题 20

2.2 人脸图像去模糊算法 21

2.2.1 图像去模糊的基本原理 22

2.2.2 基于权重的非局部自相似人脸去模糊算法 23

2.2.3 实验及结果分析 27

2.3 基于二值特征的人脸识别算法 32

2.3.1 现有二值特征学习框架 33

2.3.2 基于迭代量化的二值编码人脸识别算法 35

2.3.3 基于球哈希的二值编码人脸识别算法 38

2.3.4 基于稀疏投影矩阵的二值描述子人脸识别算法 42

2.3.5 实验及结果分析 45

2.4 基于子空间学习的深度学习人脸识别算法 53

2.4.1 卷积神经网络模型 54

2.4.2 谱回归判别分析深度网络人脸识别算法 55

2.4.3 多尺度融合的主成分分析网络人脸识别算法 58

2.4.4 实验及结果分析 61

2.5 基于自动编码器的人脸生成与识别算法 66

2.5.1 自动编码器原理 66

2.5.2 基于稀疏渐进式堆叠自动编码器的姿态人脸矫正与识别 69

2.5.3 基于深度二值自动编码器的人脸生成与识别 72

2.5.4 基于对齐变分自动编码器的异质人脸生成与识别 76

2.5.5 实验及结果分析 79

2.6 本章小结 85

本章参考文献 85

第3章 多源视觉信息感知与识别——运动目标分析 95

3.1 运动目标分析问题 95

3.2 基于循环神经网络的单目标检测与跟踪 96

3.2.1 基于运动方向预测的单目标检测与跟踪 97

3.2.2 基于自适应预测的单目标跟踪算法 103

3.2.3 实验结果分析 107

3.3 融合时空上下文的多目标跟踪 113

3.3.1 多目标跟踪算法原理 114

3.3.2 融合空间上下文的多目标跟踪量测生成方法 115

3.3.3 融合时间上下文的多目标跟踪数据关联方法 118

3.3.4 融合压缩描述的多目标跟踪算法 123

3.3.5 实验结果分析 125

3.4 本章小结 135

本章参考文献 135

第4章 多源视觉信息感知与识别——行为识别 143

4.1 行为识别问题 143

4.2 行为视频输入处理 145

4.2.1 基于片段—视频级特征融合的输入算法 145

4.2.2 基于时域梯度的关键帧选取算法 151

4.2.3 实验及结果分析 153

4.3 基于耦合二值特征学习与关联约束的RGB-D行为识别特征 158

4.3.1 基于耦合二值特征学习与关联约束的RGB-D行为特征 159

4.3.2 基于局部二值特征的行为特征表达及识别 164

4.3.3 实验结果分析 165

4.4 基于图约束的RGB-D多模态特征联合表达 167

4.4.1 稀疏图构造原理 168

4.4.2 MSG-DNMF算法的设计与实现 170

4.4.3 模型求解及收敛性 175

4.4.4 RGB-D行为识别 179

4.4.5 实验结果分析 180

4.5 基于双流Siamese网络和中心对比损失的RGB-D行为识别 183

4.5.1 Siamese网络结构 184

4.5.2 基于双流Siamese网络的RGB-D行为识别 186

4.5.3 推导及优化 190

4.5.4 实验结果分析 192

4.6 本章小结 198

本章参考文献 199

第5章 多源视觉信息感知与识别——评测指标和数据集 210

5.1 人脸识别算法的评测标准 210

5.1.1 人脸识别评测指标 210

5.1.2 人脸识别数据库 211

5.2 目标跟踪评测指标 217

5.2.1 目标跟踪评测指标 218

5.2.2 目标跟踪数据库 220

5.3 行为识别算法的评测标准 224

5.3.1 行为识别评测指标 224

5.3.2 行为识别数据库 224

5.4 本章小结 230

本章参考文献 230

查看更多关于的内容