城市复杂交通场景下的运动车辆跟踪技术研究PDF|Epub|txt|kindle电子书版本网盘下载

城市复杂交通场景下的运动车辆跟踪技术研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 车辆跟踪的研究背景1

1.2 国内外研究现状及其应用2

1.3 涉及的主要研究内容、面临的难点与解决方法6

1.4 已有技术手段及其弱点8

1.5 研究所采用的技术方案与路线11

1.6 标准测试视频集及相关国内外主流杂志、会议14

1.7 本书的结构安排14

2 视觉目标车辆跟踪中粒子滤波算法的改进16

2.1 粒子滤波简介16

2.2 视觉目标跟踪中的粒子滤波理论分析17

2.3 引入前帧加权采样的粒子滤波目标跟踪19

2.4 引入残差信息的分层重采样24

2.4.1 目前几种典型的重采样策略24

2.4.2 引入残差信息的分层重采样算法步骤25

2.4.3 引入残差信息的分层重采样的仿真研究25

2.4.4 本章改进的重采样在运动车辆跟踪中的实际测试28

2.5 视觉车辆跟踪中的特征选择与分析29

2.5.1 本章所用纹理特征30

2.5.2 车辆跟踪算法流程、试验结果与分析31

3 子空间学习框架下的实时车辆图像跟踪34

3.1 基于图像的子空间学习在车辆跟踪中的研究背景34

3.2 增量主成分分析IPCA方法35

3.2.1 Hall的增量主成分分析IPCA算法36

3.2.2 Ross提出的IPCA算法37

3.2.3 基于自相关矩阵更新与EVD分解的IPCA39

3.3 基于自相关矩阵的IPCA算法的执行39

3.4 子空间更新方法的算法复杂度对比39

3.5 自相关矩阵IPCA视觉跟踪的总体流程40

3.5.1 本章跟踪涉及的相关参数与解释40

3.5.2 本章目标车辆跟踪方法的总体执行流程41

3.6 车辆跟踪的实验结果与对比分析42

4 基于李群理论与特征子空间基的车辆跟踪44

4.1 引言44

4.2 群空间在视觉跟踪算法中的引入45

4.3 基于仿射群组几何属性的视觉目标跟踪46

4.3.1 李群与李代数46

4.3.2 基于仿射群组的目标状态方程及其描述47

4.3.3 融入测量向量后的粒子权值的更新与计算53

4.3.4 增量PCA算法及目标图像特征子空间向量基53

4.4 本章视觉目标跟踪算法的总体框架55

4.5 基于标准数据源的试验与分析56

5 基于在线学习理论的车辆识别与跟踪61

5.1 车辆在线识别跟踪难点及研究背景61

5.2 基于运动模板检测的online boosting算法62

5.2.1 MT online boosting算法的构成与执行流程62

5.2.2 MT online boosting算法中识别特征的选择65

5.2.3 在线学习样本的检测定位及弱分类器的更新66

5.2.4 参数设置及试验结果71

6 B对偶空间几何中基于消隐点的摄像机标定与测距74

6.1 目前常见的摄像机标定方法与视觉测距74

6.2 B对偶空间几何中摄像机内参数初值的计算方法75

6.2.1 B对偶空间几何的相关属性76

6.2.2 B对偶空间下基于消隐点的内参数计算方法78

6.3 本章摄像机标定的流程与相关参数81

6.4 试验结果与对比分析83

6.5 基于视觉方法的前车车距计算88

参考文献89