深度學(xué)習(xí)之多源數(shù)據(jù)融合的目標(biāo)檢測(cè)與跟蹤

定　價(jià)：￥58.00

作　者：	張文利著
出版社：	中國(guó)輕工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥47.90)

ISBN：	9787518432738	出版時(shí)間：	2021-08-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	144	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《深度學(xué)習(xí)之多源數(shù)據(jù)融合的目標(biāo)檢測(cè)與跟蹤》針對(duì)RGB圖像面臨光照變化、頻繁遮擋、雜亂背景等干擾，以及深度圖像缺乏場(chǎng)景色彩和語(yǔ)義信息的問(wèn)題，研究通過(guò)RGB圖像及深度圖像等多源數(shù)據(jù)的融合，兼顧RGB和Depth特征的差異和共性進(jìn)行多目標(biāo)人員檢測(cè)、人員跟蹤方面的方法，提出了基于非對(duì)稱自適應(yīng)特征融合的RGB-D人員檢測(cè)算法、基于深度信息改進(jìn)DeepSort多目標(biāo)跟蹤算法以及基于非對(duì)稱孿生網(wǎng)絡(luò)的多目標(biāo)跟蹤算法?！渡疃葘W(xué)習(xí)之多源數(shù)據(jù)融合的目標(biāo)檢測(cè)與跟蹤》提出的算法能夠提取有效且通用的RGB-D特征，并通過(guò)設(shè)計(jì)非對(duì)稱結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，確保特征提取效率的同時(shí)，減輕卷積神經(jīng)網(wǎng)絡(luò)模型的計(jì)算復(fù)雜度。本書通過(guò)設(shè)計(jì)和實(shí)現(xiàn)準(zhǔn)確高效、對(duì)多場(chǎng)景魯棒的人流量統(tǒng)計(jì)系統(tǒng)、人員口罩佩戴情況識(shí)別系統(tǒng)驗(yàn)證了提案的多目標(biāo)人員檢測(cè)及跟蹤技術(shù)的有效性和實(shí)用性?！渡疃葘W(xué)習(xí)之多源數(shù)據(jù)融合的目標(biāo)檢測(cè)與跟蹤》可作為信息技術(shù)相關(guān)專業(yè)本科生及研究生的專業(yè)教材，也可作為從事圖像處理、計(jì)算機(jī)視覺(jué)以及深度學(xué)習(xí)領(lǐng)域研究的專業(yè)技術(shù)人員的參考書。

作者簡(jiǎn)介

　　張文利博士，北京工業(yè)大學(xué)信息學(xué)部教授。日本東京大學(xué)工學(xué)碩士和工學(xué)博士。曾任日本松下（Panasonic）公司東京研究所主任研究員。研究方向：計(jì)算機(jī)視覺(jué)與模式識(shí)別；人工智能技術(shù)在農(nóng)業(yè)作物表型組學(xué)、無(wú)人機(jī)巡檢、智慧建筑以及仿生康復(fù)假肢等跨學(xué)科交叉領(lǐng)域的應(yīng)用研究；TRIZ等創(chuàng)新方法在信息技術(shù)以及工業(yè)設(shè)計(jì)領(lǐng)域的應(yīng)用研究；提出了基于多源數(shù)據(jù)融合的非對(duì)稱卷積神經(jīng)網(wǎng)絡(luò)模型、深度卷積神經(jīng)網(wǎng)絡(luò)的可視化剪裁方法、基于邊緣設(shè)備的快速輕量化網(wǎng)絡(luò)模型以及基于生成對(duì)抗網(wǎng)絡(luò)的跨域別數(shù)據(jù)自動(dòng)標(biāo)注技術(shù)等多種新模型和新方法。主持和主要參與教育部、科技部、北京市科委重點(diǎn)項(xiàng)目及北京自然科學(xué)基金等項(xiàng)目多項(xiàng)。近五年發(fā)表SCI/EI 檢索以及中文核心期刊論文等近20篇，申報(bào)靠前/國(guó)家發(fā)明、實(shí)用新型等近30項(xiàng)，其中發(fā)表Nature子刊學(xué)術(shù)論文1篇，SCI一區(qū)論文3篇，發(fā)明授權(quán)8項(xiàng)，成果轉(zhuǎn)化1項(xiàng)，實(shí)用新型授權(quán)5項(xiàng)，軟件著作權(quán)3項(xiàng)以上。中國(guó)圖象圖形學(xué)學(xué)會(huì)會(huì)員，教育部學(xué)位與研究生教育發(fā)展中心函評(píng)專家，國(guó)家科技專家?guī)鞂＜遥嗉襍CI/EI期刊及中文核心期刊論文評(píng)審專家，唐山市政府特聘專家。

圖書目錄

第 1 章緒論………………………………………………………………… 1
1．1 本書背景 …………………………………………………………………… 2
1．2 國(guó)內(nèi)外研究現(xiàn)狀 …………………………………………………………… 4
1．3 本書內(nèi)容與主要貢獻(xiàn) ……………………………………………………… 17
1．4 本書的結(jié)構(gòu)安排 …………………………………………………………… 19
第 2 章深度傳感器與深度圖像特性………………………………………21
2．1 引言 ………………………………………………………………………… 22
2．2 深度傳感器介紹 …………………………………………………………… 22
2．3 深度圖像特性 ……………………………………………………………… 26
2．4 本章小結(jié) …………………………………………………………………… 27
第 3 章基于非對(duì)稱自適應(yīng)特征融合的 RGB-D 人員檢測(cè)………………29
3．1 算法總體架構(gòu) ……………………………………………………………… 30
3．2 非對(duì)稱RGB-D雙流網(wǎng)絡(luò)設(shè)計(jì) ……………………………………………… 30
3．3 深度特征金字塔結(jié)構(gòu)設(shè)計(jì) ………………………………………………… 33
3．4 多模態(tài)自適應(yīng)通道加權(quán)模塊設(shè)計(jì) ………………………………………… 34
3．5 多分支預(yù)測(cè)網(wǎng)絡(luò)設(shè)計(jì) ……………………………………………………… 36
3．6 實(shí)驗(yàn)結(jié)果分析 ……………………………………………………………… 38
3．7 本章小結(jié) …………………………………………………………………… 45
第 4 章基于深度信息改進(jìn) DeepSort 多目標(biāo)跟蹤算法……………………47
4．1 基于預(yù)訓(xùn)練CNN模型提取人員外觀特征 ………………………………… 49
4．2 基于卡爾曼濾波預(yù)測(cè)人員運(yùn)動(dòng)狀態(tài) ……………………………………… 49
4．3 基于深度變化率優(yōu)化的目標(biāo)匹配 ………………………………………… 51
4．4 基于軌跡上下文深度差優(yōu)化的軌跡處理 ………………………………… 55
4．5 實(shí)驗(yàn)結(jié)果分析 ……………………………………………………………… 60
4．6 本章小結(jié) …………………………………………………………………… 61
第 5 章基于非對(duì)稱孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法…………………………63
5．1 多人員跟蹤算法總體框架 ………………………………………………… 64
5．2 基于非對(duì)稱孿生網(wǎng)絡(luò)的軌跡生成模塊設(shè)計(jì) ……………………………… 66
5．3 基于時(shí)序信息的軌跡優(yōu)化模塊設(shè)計(jì) ……………………………………… 71
5．4 實(shí)驗(yàn)結(jié)果與分析 …………………………………………………………… 75
5．5 本章小結(jié) …………………………………………………………………… 83
第 6 章應(yīng)用系統(tǒng)案例………………………………………………………85
6．1 基于RGB-D的雙向人流量統(tǒng)計(jì)系統(tǒng) ……………………………………… 86
6．2 基于RGB-D的室內(nèi)人員口罩佩戴情況識(shí)別系統(tǒng) ……………………… 106
6．3 本章小結(jié) ………………………………………………………………… 123
第 7 章總結(jié)與展望……………………………………………………… 125
7．1 總結(jié) ……………………………………………………………………… 126
7．2 展望 ……………………………………………………………………… 127
參考文獻(xiàn)……………………………………………………………………… 128