Фактически это первое в России издание, посвященное видеоанализу, авторы А. А. Лукьяница, А. Г. Шишкин. В нем описываются все основные этапы технологии обработки видеоизображений: разнообразные методы построения модели фона и выделения движущихся объектов, их сегментации и распознавания, а также отслеживания траекторий. В книге рассматривается широкий круг алгоритмов, применяемых для решения важных практических задач: детектирование оставленных предметов, выделение на изображениях объектов заданных классов, таких как человеческие лица, транспортные средства, автомобильные номера, очаги дыма и огня. При этом дается детальное описание алгоритмов с использованием математического аппарата. Огромный практический опыт авторов и удачный стиль изложения позволяют досконально понять принципы работы современных алгоритмов видеоанализа, так как авторы книги успешно сочетают практическую и преподавательскую деятельность в МГУ на факультете вычислительной математики и кибернетики. Книга может быть полезна как специалистам в области обработки изображений и распознавания образов, так и специалистам индустрии видеонаблюдения. Инсталляторы, проектировщики, консультанты смогут почерпнуть много новой и актуальной с практической точки зрения информации, необходимой для понимания принципов, лежащих в основе интеллектуальных алгоритмов современных систем видеонаблюдения. А это позволит более корректно настраивать и тем самым более эффективно применять на практике интеллектуальные функции таких систем.
Название: Цифровая обработка видеоизображений Автор: Лукьяница А. А. , Шишкин А. Г. Издательство: Ай-Эс-Эс Пресс Год: 2009 Страниц: 511 Формат: PDF Размер: 80,9 МБ ISBN: 978-5-9901899-1-1 Качество: Отличное
Содержание:
Глава 1. Введение Глава 2. Построение моделей фона и выделение переднего плана 2.1. Методы вычитания фона 2.2. Вероятностные методы 2.3. Методы временной разности 2.4. Методы оптического потока 2.5. Список литературы Глава 3. Выделение и классификация движущихся объектов 3.1. Сегментация объектов 3.2. Постобработка изображений объектов 3.3. Методы, основанные на выделении контуров 3.4. Использование классификационных метрик и временной согласованности 3.5. Методы, основанные на анализе периодичности движения 3.6. Методы, основанные на использовании динамических текстур 3.6.1. Использование оптического потока 3.6.2. Различные модели динамических текстур 3.6.3. Характерные признаки текстур 3.7. Список литературы Глава 4. Алгоритмы слежения за объектами 4.1. Алгоритмы обнаружения особых точек 4.2. Слежение за точками 4.2.1. Модели слежения за точками 4.2.2. Алгоритмы построения траекторий 4.3. Слежение за эллиптическими областями 4.4. Слежение за контурами объектов 4.5. Слежение за областями, содержащими изображение 4.6. Методы слежения, учитывающие совокупность различных параметров 4.6.1. Использование информации переднего плана 4.6.2. Трекинг, основанный на алгоритме смещения среднего 4.6.3. Применение метода оптического потока 4.7. Список литературы Глава 5. Адаптивные системы распознавания образов 5.1. Подготовка данных для обучения 5.2. Искусственные нейронные сети 5.2.1. Искусственный нейрон 5.2.2. Геометрический смысл функционирования нейрона 5.2.3. Нейронная есть прямого распространения 5.2.4. Нейросеть с радиальными базисными функциями 5.2.5. Организация процесса настройки нейросети 5.3. Метод опорных векторов 5.3.1. Линейная модель 5.3.2. Нелинейная модель 5.3.3. Нечеткое разделение классов 5.4. Кластерный анализ 5.4.1. Кластеризация при заданном числе кластеров 5.4.2. Кластеризация при неизвестном числе кластеров 5.5. Методы бустинга 5.5.1. Бустинг за счет фильтрации 5.5.2. Бустинг за счет распределения примеров 5.6. Список литературы Глава 6. Детектирование оставленных предметов 6.1. Статистические методы 6.2. Использование модели фона 6.3. Применение методов бустинга 6.4. Список литературы Глава 7. Методы детектирования и распознавания лиц 7.1. Детектирование лиц на изображениях 7.1.1. Методы, основанные на сравнении с шаблоном 7.1.2. Использование специальных характерных признаков 7.1.3. Адаптивные методы классификации 7.2. Методы распознавания лиц на изображениях 7.2.1. Статические методы 7.2.2. Методы, основанные на динамической информации 7.3. Учет изменения освещенности сцены при детектировании и распознавании лиц 7.4. Список литературы Глава 8. Обнаружение транспортных средств 8.1. Статистические методы 8.2. Текстурные методы 8.3. Построение специальных классификаторов 8.4. Использование инвариантных моментов 8.5. Использование фильтров Габора 8.6. Список литературы Глава 9. Методы выделения и распознавания номерных знаков транспортных средств 9.1. Выделение номерного знака 9.1.1. Предварительная обработка изображения 9.1.2. Преобразование Хафа 9.1.3. Выращивание областей 9.1.4. Сравнение с шаблоном 9.1.5. Применение преобразования Фурье 9.1.6. Построение вертикальной и горизонтальной проекций 9.1.7. Применение морфологических операторов 9.1.8. Применение ковариационных дескрипторов 9.1.9. Использование текстурного анализа 9.1.10. Построение каскада классификаторов 9.1.11. Метод смещения среднего 9.2. Сегментация символов номерного знака 9.2.1. Бинаризация выделенной области 9.2.2. Устранение рамки номерного знака 9.2.3. Методы сегментации отдельных символов 9.3. Распознавание символов номерного знака 9.3.1. Сравнение с шаблоном 9.3.2. Выделение характерных признаков 9.4. Методы классификации символов 9.4.1. Статистические методы 9.4.2. Применение искусственных нейронных сетей 9.4.3. Метод опорных векторов 9.4.4. Метод выделения главных компонент 9.4.5. Использование кластерного анализа 9.4.6. Комбинация нескольких методов 9.5. Список литературы Глава 10. Обнаружение дыма и огня по видеоизображениям 10.1. Метод обнаружения огня, основанный на цветовых и динамических характеристиках 10.2. Учет пространственной структуры огня 10.3. Применение вейвлетов для детектирования пламени 10.3.1. Определение областей движения 10.3.2. Проверка цвета движущихся пикселей 10.3.3. Вейвлет-анализ во временной области 10.3.4. Пространственный вейвлет-анализ 10.4. Скрытые марковские модели для описания движущихся областей огня 10.5. Использование изменения контрастности изображения для обнаружения дыма 10.6. Блочно-текстурный метод выделения дыма на видеоизображениях 10.6.1. Выделение на изображении движущихся блоков 10.6.2. Пространственная кластеризация движущихся блоков 10.6.3. Временная кластеризация движущихся блоков 10.6.4. Определение формы объектов 10.6.5. Классификация выделенных объектов 10.7. Список литературы Глава 11. Индексация видеоизображений и поиск в цифровых библиотеках и архивах видеоданных 11.1. Сегментация вндеопотока 11.1.1. Пиксельные методы 11.1.2. Гистограммныс методы 11.1.3. Блочные методы 11.1.4. Методы, основанные на выделении характерных признаков 11.1.5. Методы, основанные на движении 11.1.6. Комбинация нескольких методов 11.2. Описание содержания последовательности кадров 11.2.1. Выделение ключевых кадров 11.2.2. Выделение ключевых объектов 11.3. Индексация видеоданных и поиск в видеоархивах 11.3.1. Запросы по ключевым словам 11.3.2. Запросы по образцу 11.3.3. Запросы по наброску 11.4. Алгоритмы для индексации видеоизображений и поиска в архивах систем видсонаблюдения 11.5. Список литературы Глоссарий Предметный указатель
