etc. Statistical Methods and Models for Video-Based Tracking, Modeling, and Recognition

ویرایش:  
نویسندگان: Chellappa R.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: [154] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

قیمت کتاب (تومان) : 41,000

مبانی و روندها در پردازش سیگنال NOWPress, 2009, -154 pp. سیستم های بینایی کامپیوتری سعی می کنند صحنه و اجزای آن را از اطلاعات بیشتر بصری درک کنند. هندسه نمایش داده شده توسط دنیای واقعی، تأثیر خواص مواد بر پراکندگی نور فرودی، و فرآیند تصویربرداری، محدودیت‌ها و ویژگی‌هایی را معرفی می‌کنند که برای حل برخی از این وظایف کلیدی هستند. در حضور مشاهدات پر سر و صدا و سایر عدم قطعیت ها، الگوریتم ها از روش های آماری برای استنتاج قوی استفاده می کنند. در این مونوگراف، نقش محدودیت‌های هندسی در روش‌های تخمین آماری و اینکه چگونه تعامل هندسه و آمار منجر به انتخاب و طراحی الگوریتم‌ها می‌شود را برجسته می‌کنیم. به طور خاص، ما نقش محدودیت‌های تصویربرداری، روشنایی و حرکت را در مشکلات بینایی کلاسیک مانند ردیابی، ساختار از حرکت، اندازه‌شناسی، تجزیه و تحلیل و تشخیص فعالیت و روش‌های آماری مناسب مورد استفاده در هر یک از این مشکلات نشان می‌دهیم. مقدمه
مدل‌های هندسی برای تصویربرداری
تکنیک‌های تخمین آماری
تشخیص، ردیابی و تشخیص در ویدئو
تحلیل آماری ساختار و الگوریتم‌های حرکت
شناخت شکل، هویت و فعالیت
روندهای آینده

Из серии Foundations and Trends in Signal Processing издательства NOWPress, 2009, -154 pp. Computer vision systems attempt to understand a scene and its components from mostly visual information. The geometry exhibited by the real world, the influence of material properties on scattering of incident light, and the process of imaging introduce constraints and properties that are key to solving some of these tasks. In the presence of noisy observations and other uncertainties, the algorithms make use of statistical methods for robust inference. In this monograph, we highlight the role of geometric constraints in statistical estimation methods, and how the interplay of geometry and statistics leads to the choice and design of algorithms. In particular, we illustrate the role of imaging, illumination, and motion constraints in classical vision problems such as tracking, structure from motion, metrology, activity analysis and recognition, and appropriate statistical methods used in each of these problems. Introduction
Geometric Models for Imaging
Statistical Estimation Techniques
Detection, Tracking, and Recognition in Video
Statistical Analysis of Structure and Motion Algorithms
Shape, Identity, and Activity Recognition
Future Trends