内河航运船舶视觉跟踪算法 目录

1 概论
1．1引言
1．2 国内外研究现状
1．2．1 内河船舶视觉跟踪研究现状分析
1．2．2 视觉跟踪算法现状分析
1．3 内河船舶视觉跟踪系统分析
1．3．1 内河船舶视觉跟踪系统的特点
1．3．2 内河船舶视觉跟踪难点
1．3．3 内河船舶视觉跟踪算法性能评价指标
1．4 内河船舶视觉跟踪标准库建设
1．4．1 标准库建设的必要性
1．4．2 标准库内容分析
本章参考文献
2 基于滤波理论的内河船舶视觉跟踪
2．1 Kalman滤波器
2．2 粒子滤波理论
2．2．1 贝叶斯估计
2．2．2 蒙特卡洛方法
2．3 粒子滤波器
2．3．1 粒子滤波器原理
2．3．2 粒子滤波器算法描述
2．4 基于粒子滤波算法的目标跟踪
2．5 基于滤波理论的船舶跟踪实验及算法分析
2．5．1 基于卡尔曼滤波的船舶跟踪实验及分析
2．5．2 基于粒子滤波的船舶跟踪实验及分析
本章参考文献
3 Mean Shift内河船舶跟踪算法
3．1 基本Mean Shift算法
3．2 扩腱Mean Shift算法
3．3 Mean Shift算法物理学含义
3．4 Mean Shift船舶跟踪算法
3．4．1 算法原理
3 4．2 跟踪流程图
3 4．3 程序设计步骤
3．4．4 算法分析
本章参考文献
4 MIL内河船舶跟踪算法
4．1 算法原理
4．1．1 图像的表示
4 1．2 运动模型
4．1．3 外观模型
4．2 算法分析
本章参考文献
5 随机投影内河船舶跟踪算法
5．1 随机投影理论
5．2 算法原理
5．3 算法分析
5．3．1 原始信号属性
j．3 2 随机观测矩阵
5 3．3 尺度跟踪
5．3．4 遮挡跟踪
本章参考文献
6 正交粒子滤波低秩约束随机投影内河船舶跟踪算法
6．1 贝叶斯状态估计
6．2 状态转移密度设计
6．3 建议分布选择
6．4 正交实验原理
6．5 正交实验设计
6．6 正交粒子滤波
6．7 观测似然概率密度设计
6．7．1 随机观测矩阵
6．7．2 目标判定准则
6．8 算法分析
本章参考文献
7 跟踪检测协同内河船舶跟踪算法
7．1 算法原理
7．1．1 跟踪模块
7．1．2 检测模块
7．1．3 位置估计
7．1．4 学习模块
7．2 算法分析
本章参考文献
8 实验对比及分析
8．1 参数设置
8．2 评价指标
8．3 定性实验结果及分析
8．4 定量实验结果及分析

内河航运船舶视觉跟踪算法 内容简介

随着网络和计算机技术的飞速发展。内河航道信息化成为航运安全监管的一种有效途径，航运视频监控系统在海事监管中发挥着越来越重要的作用。为了进一步提高航运视频监控的智能化水平，《内河航运船舶视觉跟踪算法/现代航运与物流：安全·绿色·智能技术研究丛书》重点研究了基于视觉的内河船舶动态自动跟踪的算法。为了使读肯系统地了解船舶动态跟踪领域的理论及算法，《内河航运船舶视觉跟踪算法/现代航运与物流：安全·绿色·智能技术研究丛书》分析了船舶动态跟踪的国内外研究现状，讨论了内河船舶视觉跟踪的特点和难点，详细介绍了基于Mean Shift、TLD（Tracking Leaning Detection）、MII（Multiple Instance Learning）、粒子滤波和压缩跟踪（Compressive Tracking）等理论构建适合内河特定场景下船舶跟踪系统的算法设计的全部研究成果。《内河航运船舶视觉跟踪算法/现代航运与物流：安全·绿色·智能技术研究丛书》的特点是将算法理论分析与仿真实验相结合，可以让读者清晰地掌握算法原理和应用中存在的问题以及解决问题的方向。《内河航运船舶视觉跟踪算法/现代航运与物流：安全·绿色·智能技术研究丛书》内容涉及信息处理、计算机视觉、智能视频监控等领域。《内河航运船舶视觉跟踪算法/现代航运与物流：安全·绿色·智能技术研究丛书》可作为计算机、自动化、信息处理和交通工程等专业高年级本科生和研究生的学习用书，也可以作为从事视频处理和智能视频分析的研发人员的参考书。