扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
智能视频数据处理与挖掘/信息科学技术专著丛书 版权信息
- ISBN：9787563564446
- 条形码：9787563564446 ; 978-7-5635-6444-6
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
智能视频数据处理与挖掘/信息科学技术专著丛书 内容简介
本书主要研究了智能视频数据处理与挖掘相关技术及应用，以提高视频数据中异常事件检测与识别的智能化、精准化、鲁棒性、实时性等性能为目的，从而实现对异常突发事件及时预测和预警，保障公共安全。本书首先研究了视频数据的去噪技术，重点研究了基于残差卷积神经网络的视频去噪算法；然后研究了视频数据的超分辨率重建技术，重点研究了基于深度学习、半耦合字典学习和时空非局部相似性特征的视频超分辨率重建算法；其次研究了视频的显著性时空特征提取算法，然后在此基础上研究了视频异常事件检测与识别技术，重点研究了基于稀疏组合学习的视频异常事件检测算法，以及基于时空感知深度网络的视频异常事件识别算法。*后构建了视频数据去噪和超分辨率重建系统，并以面向智慧旅游领域的旅游景区视频数据为例，将本书提出的相关模型和算法应用于旅游景区视频数据的智能挖掘，构建了旅游景区视频异常事件检测与识别系统，及时自动监测旅游突发事件。此外，本书相关技术还可应用于智慧城市、智能交通、智慧校园、智慧医疗等领域，切实加强保障公共安全，以实现智慧安防。 本书体系结构完整，注重理论联系实际，可作为计算机应用、人工智能、大数据、电子信息等相关专业的工程技术人员、科研人员、研究生和高年级本科生参考用书。
智能视频数据处理与挖掘/信息科学技术专著丛书 目录
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 视频超分辨率重建方法的研究现状
1.2.2 视频去噪方法的研究现状
1.2.3 视频异常事件检测方法的研究现状
1.2.4 视频异常事件识别方法的研究现状
参考文献
第2章 相关技术
2.1 稀疏字典学习
2.1.1 低秩矩阵的生成
2.1.2 低秩矩阵的分解
2.2 视频的时空相似性学习
2.3 视频特征提取
2.3.1 运动目标检测
2.3.2 背景建模方法
2.3.3 行为特征表示
2.4 基于深度学习模型的视频超分辨率重建
2.4.1 基于深度卷积神经网络的超分辨率重建算法概述
2.4.2 深度卷积神经网络在超分辨率重建算法中的应用
2.5 视频异常事件检测
2.5.1 基于深度学习的异常事件检测方法
2.5.2 基于稀疏表示的异常事件检测方法
2.6 视频异常事件识别
本章小结
参考文献
第3章 基于残差卷积神经网络的视频去噪
3.1 基于残差卷积神经网络的视频去噪算法框架
3.2 基于残差卷积神经网络的视频去噪算法实现
3.2.1 基于低秩矩阵分解的稀疏字典去噪
3.2.2 残差图像预处理
3.2.3 卷积神经网络训练
3.2.4 基于残差卷积神经网络的视频去噪算法的实现步骤
3.3 实验结果及分析
3.3.1 实验一：不同噪声方差下对随机噪声的去噪效果对比实验
3.3.2 实验二：相同噪声方差下对不同噪声的去噪效果对比实验
本章小结
参考文献
第4章 基于半耦合字典学习和时空非局部相似性的视频超分辨率重建
4.1 引言
4.2 视频超分辨率重建观测模型
4.3 基于非局部相似性的超分辨率重建
4.4 基于半耦合字典学习和时空非局部相似性的视频超分辨率重建算法
4.4.1 CNLSR算法研究动机
4.4.2 CNLSR算法框架
4.4.3 CNLSR算法数学模型
4.4.4 CNLSR算法描述
4.4.5 CNLSR算法步骤
4.5 实验结果与分析
4.5.1 实验数据集
4.5.2 客观评价指标
4.5.3 实验结果与分析
本章小结
参考文献
第5章 基于深度学习和时空特征自相似性的视频超分辨率重建
5.1 引言
5.2 基于深度学习和时空特征相似性的视频超分辨率重建算法
5.2.1 DLsS-VSR算法研究动机
5.2.2 DLss-VSR算法框架
5.2.3 DLSs-VSR算法数学模型
5.2.4 DLSs-VSR算法描述
5.2.5 DLSS-VSR算法步骤
5.3 实验结果与分析
5.3.1 实验数据集
5.3.2 客观评价指标
5.3.3 实验结果与分析
本章小结
参考文献
第6章 视频显著性时空特征提取
6.1 视频显著性时空特征提取的算法框架
6.2 视频显著性时空特征提取的算法实现
6.2.1 视频背景建模和前景检测
6.2.2 视频显著性时空特征提取
6.2.3 视频显著性时空特征降维
6.3 视频显著性时空特征提取实验结果
6.3.1 视频背景建模和前景检测结果
6.3.2 视频显著性时空特征提取结果
本章小结
参考文献
第7章 基于稀疏组合学习的视频异常事件检测
7.1 基于稀疏组合学习的视频异常事件检测的算法框架
7.2 基于稀疏组合学习的视频异常事件检测的算法实现
7.2.1 基于稀疏组合学习的异常事件检测的主要思想
7.2.2 基于稀疏组合学习的异常事件检测的训练过程
7.2.3 基于稀疏组合学习的异常事件检测的测试过程
7.3 实验结果与分析
7.3.1 数据集
7.3.2 评价指标
7.3.3 ScenicSpot景区数据集的实验结果与分析
7.3.4 Avenue标准数据集的实验结果与分析
7.3.5 UCSD Pedl数据集的实验结果与分析
本章小结
参考文献
第8章 基于时空感知深度网络的视频异常事件识别
8.1 基于时空感知深度网络的视频异常事件识别的算法框架
8.2 基于时空感知深度网络的视频异常事件识别的算法实现
8.2.1 时空感知深度网络
8.2.2 时空金字塔池化
8.2.3 基于时空感知深度网络的异常事件识别
8.3 实验结果与分析
8.3.1 数据集
8.3.2 评价指标
8.3.3 旅游景区数据集的实验结果与分析
8.3.4 Avenue数据集的实验结果与分析
本章小结
参考文献
第9章 视频数据去噪和超分辨率重建系统
9.1 引言
9.2 系统总体设计
9.3 系统详细设计
9.3.1 视频预处理模块详细设计
9.3.2 视频超分辨率重建模块详细设计
9.3.3 性能评价模块详细设计
9.4 系统主要功能模块的实现
9.4.1 视频预处理模块的实现
9.4.2 视频超分辨率重建模块的实现
9.4.3 性能评价模块的实现
本章小结
第10章 旅游景区视频异常事件检测与识别系统
10.1 系统需求分析
10.2 系统总体设计
10.3 系统功能模块的详细设计
10.3.1 视频特征提取模块
10.3.2 异常事件检测模块
10.3.3 异常事件识别模块
……
展开全部
智能视频数据处理与挖掘/信息科学技术专著丛书 作者简介
梁美玉，博士，硕士生导师，北京邮电大学计算机学院副教授。2014—2016年间在北京邮电大学做博士后研究工作，出站后留校工作。主要研究方向为人工智能、跨媒体数据挖掘、计算机视觉等。主持了国家自然科学基金面上项目、青年科学基金项目等，并先后参加了多项国家和省部级科研项目，包括国家重点研发项目、973课题、国家自然科学基金重点项目、国家自然科学基金重大国际合作研究项目、国家自然科学基金重大研究计划项目、863课题等。
书友推荐
- >
我从未如此眷恋人间
我从未如此眷恋人间
¥16.4¥49.8 - >
回忆爱玛侬
回忆爱玛侬
¥10.5¥32.8 - >
唐代进士录
唐代进士录
¥26.7¥39.8 - >
巴金－再思录
巴金－再思录
¥33.1¥46.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥14.3¥21.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥8.4¥14.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥40.6¥58.0 - >
二体千字文
二体千字文
¥23.8¥40.0
本类畅销
-
数学之美
¥48.3¥69 -
浪潮之巅-下册-第二版
¥22.1¥45 -
挑战程序设计竞赛(第2版)
¥55.3¥79 -
算法竞赛入门经典-(第2版)
¥34.9¥49.8 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158
