面向智能网联的视觉目标多层次感知及应用

**章 绪论 1 1.1 视觉多层次感知结构1 1.2 视觉多层次感知研究内容2 1.2.1 目标分割与检测2 1.2.2 目标识别与跟踪7 1.2.3 场景解析10 1.3 视觉智能感知应用12 1.3.1 智慧医疗13 1.3.2 智慧军事14 1.3.3 智能安防15 1.3.4 智能网联交通系统16 参考文献18 第二章 目标分割技术 22 2.1 经典目标分割 22 2.1.1 基于边缘检测的路面裂缝分割算法 23 2.1.2 基于阈值的混凝土路面骨料分割算法 34 2.1.3 基于区域的车道线分割算法 44 2.2 基于数理方法的目标分割 50 2.2.1 基于图论的车辆分割算法 50 2.2.2 基于偏微分方程的车辆分割算法 61 2.3 基于深度学习的目标分割 68 参考文献 75 第三章 目标检测技术 80 3.1 基于视觉特征的目标检测 81 3.1.1 基于纹理特征的车牌定位与识别算法 83 3.1.2 基于直方图统计与多帧平均背景去除法的公交乘客计数算法 86 3.1.3 基于NUBS曲线模型的车道线检测算法 93 3.1.4 基于SIFT特征点的车辆目标检测算法 99 3.2 基于分类器的目标检测 102 3.3 基于显著性的目标检测 111 3.4 基于深度学习的目标检测 117 3.4.1 基于多视域图卷积网络的行人检测 118 3.4.2 基于共享卷积神经网络的交通标志检测与识别算法 129 3.4.3 基于改进的LeNet5网络的路面裂缝定位算法 135 参考文献 140 第四章 目标跟踪技术 145 4.1 融合特征匹配和光流法的目标跟踪方法 146 4.1.1 特征匹配与光流法 146 4.1.2 融合特征匹配和KLT算法的车辆目标跟踪算法 148 4.2 基于核化相关滤波的跟踪算法 158 4.2.1 核相关滤波 158 4.2.2 基于金字塔特征尺度自适应的核化相关滤波车辆跟踪算法 159 4.3 基于学习的目标跟踪 167 4.3.1 基于多示例学习的跟踪算法 167 4.3.2 基于高斯混合模型的多示例学习跟踪算法 169 4.4 基于压缩感知的目标跟踪 178 4.4.1 压缩感知 178 4.4.2 基于多通道特征选择的压缩跟踪算法 180 4.5 基于位平面的目标跟踪 186 4.5.1 图像位平面 186 4.5.2 基于位平面的跟踪算法 188 4.6 基于深度学习的目标跟踪 200 4.6.1 基于深度学习特征的目标跟踪算法 201 4.6.2 基于深度学习网络的目标跟踪算法 202 4.6.3 新型深度学习网络结构在目标跟踪中的应用 204 参考文献 206 第五章 场景解析技术 211 5.1 基于图像特征的场景识别方法 212 5.2 基于多层级感知的交通场景解析方法 220 5.2.1 基于深度摄像头的车辆全向障碍物检测方法 221 5.2.2 基于感知信息融合的行车环境表征方法 227 5.2.3 基于深度学习的多视角交通场景理解方法 240 参考文献 255