دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Maggio E., Cavallaro A. سری: ISBN (شابک) : 0470749644, 9780470749647 ناشر: Wiley سال نشر: 2011 تعداد صفحات: 294 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Video tracking به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ردیابی ویدیو نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
ردیابی ویدیو یک درمان جامع از جنبههای اساسی الگوریتم و توسعه برنامهها برای تخمین موقعیت اشیاء مورد علاقه که از طریق دوربینها در طول زمان دیده میشود، ارائه میکند. با شروع از تعریف کلی مشکل و بررسی برنامههای کاربردی ردیابی ویدیویی موجود و در حال ظهور، این کتاب روشهای رایجی مانند روشهای مبتنی بر همبستگی و گرادیان-نزول را مورد بحث قرار میدهد. با استفاده از مثالهای عملی، خواننده با مزایا و محدودیتهای رویکردهای قطعی آشنا میشود و سپس به سمت راهحلهای پیشرفتهتر ردیابی ویدیو، مانند راهحلهای مبتنی بر چارچوب بازگشتی بیز و مجموعههای محدود تصادفی هدایت میشود. ویژگیهای کلیدی: بحث در مورد طراحی انتخاب ها و مسائل پیاده سازی مورد نیاز برای تبدیل مدل های ریاضی زیربنایی به یک سیستم ردیابی موثر در دنیای واقعی. بلوک دیاگرام ها و پیاده سازی کدهای مشابه الگوریتم ها را ارائه می دهد. روشهای ارزیابی عملکرد ردیابهای ویدئویی را بررسی میکند - این به عنوان یک مشکل اصلی توسط کاربران نهایی شناسایی میشود. هدف این کتاب کمک به محققان و متخصصان در توسعه تکنیک ها و راه حل ها بر اساس پتانسیل برنامه های کاربردی ردیابی ویدئو است. روشهای طراحی که در سراسر کتاب مورد بحث قرار گرفتهاند، دستورالعملهایی را برای توسعهدهندگان صنعت که بر روی برنامههای مبتنی بر دید کار میکنند، ارائه میکند. این کتاب همچنین ممکن است به عنوان مرجعی برای دانشجویان فارغ التحصیل مهندسی و علوم کامپیوتر درگیر در بینایی، رباتیک، تعامل انسان و کامپیوتر، محیط های هوشمند و برنامه های واقعیت مجازی باشد.
Video Tracking provides a comprehensive treatment of the fundamental aspects of algorithm and application development for the task of estimating, over time, the position of objects of interest seen through cameras. Starting from the general problem definition and a review of existing and emerging video tracking applications, the book discusses popular methods, such as those based on correlation and gradient-descent. Using practical examples, the reader is introduced to the advantages and limitations of deterministic approaches, and is then guided toward more advanced video tracking solutions, such as those based on the Bayes’ recursive framework and on Random Finite Sets.Key features:Discusses the design choices and implementation issues required to turn the underlying mathematical models into a real-world effective tracking systems. Provides block diagrams and simil-code implementation of the algorithms. Reviews methods to evaluate the performance of video trackers – this is identified as a major problem by end-users. The book aims to help researchers and practitioners develop techniques and solutions based on the potential of video tracking applications. The design methodologies discussed throughout the book provide guidelines for developers in the industry working on vision-based applications. The book may also serve as a reference for engineering and computer science graduate students involved in vision, robotics, human-computer interaction, smart environments and virtual reality programmes
VIDEO TRACKING......Page 3
Contents......Page 7
Foreword......Page 13
About the authors......Page 17
Preface......Page 19
Acknowledgements......Page 21
Notation......Page 23
Acronyms......Page 25
1.1 Introduction......Page 29
1.2.1 Challenges......Page 30
1.2.2 Main components......Page 34
1.3.1 Single-target tracking......Page 35
1.3.2 Multi-target tracking......Page 38
1.3.3 Definitions......Page 39
1.4 Interactive versus automated tracking......Page 40
1.5 Summary......Page 41
2.1 Introduction......Page 43
2.2 Media production and augmented reality......Page 44
2.3 Medical applications and biological research......Page 45
2.4 Surveillance and business intelligence......Page 48
2.5 Robotics and unmanned vehicles......Page 49
2.7 Art installations and performances......Page 50
2.8 Summary......Page 51
References......Page 52
3.1 Introduction......Page 55
3.2.1 Measuring light......Page 56
3.2.2 The appearance of targets......Page 58
3.3.1 Colour......Page 60
3.3.2 Photometric colour invariants......Page 67
3.3.3 Gradient and derivatives......Page 70
3.3.4 Laplacian......Page 75
3.3.5 Motion......Page 77
3.4.1 Edges......Page 78
3.4.2 Interest points and interest regions......Page 79
3.4.3 Uniform regions......Page 84
3.5 High-level features......Page 89
3.5.1 Background models......Page 90
3.5.2 Object models......Page 91
References......Page 93
4.1 Introduction......Page 99
4.2.1 Basic models......Page 100
4.2.2 Articulated models......Page 101
4.2.3 Deformable models......Page 102
4.3 Appearance representation......Page 103
4.3.1 Template......Page 104
4.3.2 Histograms......Page 106
4.3.3 Coping with appearance changes......Page 111
4.4 Summary......Page 112
References......Page 113
5.1 Introduction......Page 117
5.2.1 Gradient-based trackers......Page 118
5.2.2 Bayes tracking and the Kalman filter......Page 123
5.3 Multiple-hypothesis methods......Page 126
5.3.1 Grid sampling......Page 127
5.3.2 Particle filter......Page 129
5.3.3 Hybrid methods......Page 133
References......Page 139
6.1 Introduction......Page 143
6.2.1 Tracker-level fusion......Page 144
6.2.2 Measurement-level fusion......Page 146
6.3.1 Fusion of likelihoods......Page 147
6.3.2 Multi-feature resampling......Page 149
6.3.3 Feature reliability......Page 151
6.3.5 Example......Page 154
References......Page 156
7.1 Introduction......Page 159
7.2 Measurement validation......Page 160
7.3.1 Nearest neighbour......Page 162
7.3.2 Graph matching......Page 164
7.3.3 Multiple-hypothesis tracking......Page 167
7.4 Random Finite Sets for tracking......Page 171
7.5 Probabilistic Hypothesis Density filter......Page 173
7.6 The Particle PHD filter......Page 175
7.6.1 Dynamic and observation models......Page 177
7.6.3 Importance sampling......Page 179
7.6.4 Resampling......Page 180
7.6.5 Particle clustering......Page 184
7.6.6 Examples......Page 188
7.7 Summary......Page 191
References......Page 193
8.1 Introduction......Page 197
8.2.1 Contextual information......Page 198
8.2.2 Influence of the context......Page 199
8.3.1 Birth density......Page 201
8.3.2 Clutter density......Page 207
8.3.3 Tracking with contextual feedback......Page 209
References......Page 212
9.1 Introduction......Page 213
9.2 Analytical versus empirical methods......Page 214
9.3 Ground truth......Page 215
9.4.1 Localisation scores......Page 218
9.4.2 Classification scores......Page 221
9.5 Comparing trackers......Page 224
9.5.1 Target life-span......Page 225
9.5.3 Repeatibility......Page 226
9.6.1 Low-level protocols......Page 227
9.6.2 High-level protocols......Page 231
9.7.1 Surveillance......Page 235
9.7.2 Human-computer interaction......Page 240
9.7.3 Sport analysis......Page 243
References......Page 248
Epilogue......Page 251
Further reading......Page 253
A.1.1 Experimental setup......Page 257
A.1.2 Discussion......Page 258
A.2.1 Experimental setup......Page 261
A.2.2 Discussion......Page 263
A.3.1 Experimental setup......Page 266
A.3.2 Reliability scores......Page 268
A.3.3 Adaptive versus non-adaptive tracker......Page 270
A.4.1 Experimental setup......Page 276
A.4.2 Discussion......Page 278
A.4.3 Failure modalities......Page 279
A.4.4 Computational cost......Page 283
A.5.2 Discussion......Page 285
References......Page 289
Index......Page 291