視覺(jué)注意和人腦記憶機(jī)制啟發(fā)下的感興趣目標(biāo)提取與跟蹤

定　價(jià)：￥66.00

作　者：	王延江，齊玉娟著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030506078	出版時(shí)間：	2016-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	162	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《視覺(jué)注意和人腦記憶機(jī)制啟發(fā)下的感興趣目標(biāo)提取與跟蹤》將人類(lèi)的認(rèn)知機(jī)制與計(jì)算機(jī)視覺(jué)、圖像處理和模式識(shí)別相結(jié)合，從認(rèn)知心理學(xué)出發(fā)對(duì)基于視覺(jué)注意和人腦記憶機(jī)制的感興趣目標(biāo)提取和跟蹤認(rèn)知建模方法進(jìn)行了研究。首先基于生物視覺(jué)注意機(jī)制對(duì)人類(lèi)視覺(jué)顯著性特征的感知進(jìn)行建模和研究，并將其用于感興趣目標(biāo)的提?。喝缓蠡谌祟?lèi)記憶機(jī)制特別是人腦三階段記憶模型建立一種視覺(jué)信息處理認(rèn)知模型，用于模擬人類(lèi)對(duì)視覺(jué)模式進(jìn)行感知、注意、匹配、分類(lèi)、學(xué)習(xí)和決策的過(guò)程，并將其與混合高斯背景建模、碼本背景建模、Mean-shift目標(biāo)跟蹤、粒子濾波目標(biāo)跟蹤以及多智能體協(xié)同進(jìn)化等相結(jié)合，詳細(xì)研究了其在感興趣目標(biāo)提取以及跟蹤中的應(yīng)用，并通過(guò)大量的視頻目標(biāo)檢測(cè)與跟蹤實(shí)驗(yàn)對(duì)算法進(jìn)行了驗(yàn)證，為在動(dòng)態(tài)復(fù)雜視頻環(huán)境中實(shí)現(xiàn)快速魯棒的感興趣目標(biāo)提取和跟蹤提供了一條新的研究思路和實(shí)現(xiàn)途徑?！兑曈X(jué)注意和人腦記憶機(jī)制啟發(fā)下的感興趣目標(biāo)提取與跟蹤》可供計(jì)算機(jī)科學(xué)領(lǐng)域人工智能、模式識(shí)別、智能信息處理專(zhuān)業(yè)研究生、博士生以及相關(guān)專(zhuān)業(yè)的研究人員參考。

作者簡(jiǎn)介

　　王延江，男，山東海陽(yáng)人，中共黨員，博士，教授，博士生導(dǎo)師，中國(guó)自動(dòng)化學(xué)會(huì)會(huì)員。目前為中國(guó)石油大學(xué)（華東）信息與通信工程學(xué)科帶頭人，第三屆山東省優(yōu)秀研究生導(dǎo)師。主要從事信號(hào)與信息處理領(lǐng)域的教學(xué)和科研工作，研究方向包括：模式識(shí)別與智能信息處理、視覺(jué)注意與人腦記憶計(jì)算建模，以及人腦結(jié)構(gòu)與功能網(wǎng)絡(luò)連接分析。主持或參加國(guó)家自然科學(xué)基金面上項(xiàng)目3項(xiàng)、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目1項(xiàng)、山東省自然科學(xué)基金項(xiàng)目5項(xiàng)、中國(guó)石油天然氣總公司重點(diǎn)攻關(guān)項(xiàng)目1項(xiàng)、中石化重大科技攻關(guān)項(xiàng)目2項(xiàng)、中石油創(chuàng)新基金項(xiàng)目1項(xiàng)，并榮獲北京市科技進(jìn)步二等獎(jiǎng)、山東省高等學(xué)校優(yōu)秀科研成果三等獎(jiǎng)、中國(guó)石油天然氣總公司科技進(jìn)步三等獎(jiǎng)、勝利油田科技進(jìn)步一等獎(jiǎng)和二等獎(jiǎng)各一次。在IEEE Trans.Industrial Electronics、Pattern Recognition、Signal Processing、Neurocomputing、《中國(guó)科學(xué)》、《自動(dòng)化學(xué)報(bào)》、《電子學(xué)報(bào)》等國(guó)內(nèi)外重要學(xué)術(shù)期刊與國(guó)際會(huì)議上發(fā)表學(xué)術(shù)論文160余篇。　齊玉娟，女，山東諸城人，博士，目前為中國(guó)石油大學(xué)（華東）講師，主要研究方向?yàn)橛?jì)算機(jī)視覺(jué)、模式識(shí)別等；已在Applied Intelligence、Journal of Computational Information Systems、《自動(dòng)化學(xué)報(bào)》、《模式識(shí)別與人工智能》、《石油大學(xué)學(xué)報(bào)（自然版）》等國(guó)內(nèi)外學(xué)術(shù)期刊與國(guó)際會(huì)議上發(fā)表學(xué)術(shù)論文10余篇，其中多篇被SCI、EI收錄。參加并完成國(guó)家自然科學(xué)基金面上項(xiàng)目2項(xiàng)，主持山東省自然科學(xué)青年基金項(xiàng)目1項(xiàng)。

圖書(shū)目錄

前言
第1章概述
1．1 運(yùn)動(dòng)目標(biāo)檢測(cè)
1．1．1 相鄰幀差法
1．1．2 光流法
1．1．3 背景減除法
1．2 運(yùn)動(dòng)目標(biāo)跟蹤
1．2．1 目標(biāo)描述
1．2．2 特征選取
1．2．3 運(yùn)動(dòng)目標(biāo)跟蹤方法
1．3 運(yùn)動(dòng)目標(biāo)跟蹤方法研究現(xiàn)狀
1．4 運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤中存在的難點(diǎn)
1．5 視覺(jué)注意機(jī)制在感興趣目標(biāo)提取中的應(yīng)用
參考文獻(xiàn)
第2章人類(lèi)視覺(jué)系統(tǒng)與視覺(jué)注意機(jī)制
2．1 人類(lèi)視覺(jué)系統(tǒng)
2．1．1 人眼結(jié)構(gòu)及視覺(jué)通路
2．1．2 視皮層
2．1．3 視覺(jué)感知機(jī)制
2．2 視覺(jué)注意機(jī)制
2．2．1 視覺(jué)注意機(jī)制概述
2．2．2 視覺(jué)注意建模的理論基礎(chǔ)
2．3 經(jīng)典視覺(jué)注意計(jì)算模型
2．3．1 Itti視覺(jué)注意計(jì)算模型
2．3．2 GBVS視覺(jué)注意計(jì)算模型
2．3．3 SR視覺(jué)注意計(jì)算模型
2．4 本章小結(jié)
參考文獻(xiàn)
第3章基于視覺(jué)注意機(jī)制的感興趣目標(biāo)提取
3．1 基于快速字典學(xué)習(xí)與特征稀有性的自然圖像顯著目標(biāo)提取
3．1．1 稀疏編碼
3．1．2 快速字典學(xué)習(xí)算法
3．1．3 稀有性量化
3．1．4 實(shí)驗(yàn)結(jié)果及討論
3．2 基于動(dòng)態(tài)視覺(jué)顯著性的感興趣目標(biāo)提取
3．2．1 靜態(tài)顯著性提取
3．2．2 基于SIFT流的動(dòng)態(tài)顯著性提取
3．2．3 實(shí)驗(yàn)結(jié)果及討論
3．3 本章小結(jié)
參考文獻(xiàn)
第4章基于人類(lèi)記憶機(jī)制的視覺(jué)信息處理認(rèn)知建模
4．1 人腦記憶的分類(lèi)
4．2 人腦記憶機(jī)制的神經(jīng)基礎(chǔ)
4．2．1 神經(jīng)細(xì)胞的基本結(jié)構(gòu)
4．2．2 人腦記憶機(jī)制的生理學(xué)基礎(chǔ)
4．3 人腦記憶計(jì)算模型
4．3．1 基于認(rèn)知心理學(xué)的記憶計(jì)算模型
4．3．2 基于認(rèn)知神經(jīng)科學(xué)的記憶計(jì)算模型
4．4 基于人腦三階段記憶模型的視覺(jué)信息處理認(rèn)知建模
4．4．1 信息粒
4．4．2 記憶空間
4．4．3 認(rèn)知行為
4．4．4 決策
4．4．5 記憶空間更新規(guī)則
4．4．6 MVIPM的實(shí)現(xiàn)
4．5 本章小結(jié)
參考文獻(xiàn)
第5章基于人腦三階段記憶機(jī)制的場(chǎng)景建模
5．1 混合高斯背景建模
5．1．1 混合高斯模型的基本原理
5．1．2 混合高斯背景建模方法存在問(wèn)題及發(fā)展現(xiàn)狀
5．2 基于記憶的混合高斯模型
5．2．1 基于記憶的混合高斯背景建?？傮w框架
5．2．2 基于記憶的混合高斯背景建模算法描述
5．2．3 實(shí)驗(yàn)結(jié)果及討論
5．3 基于記憶的碼本模型
5．3．1 碼本模型
5．3．2 碼字的特征參數(shù)集合
5．3．3 碼本記憶空間的構(gòu)建
5．3．4 算法流程及描述
5．3．5 實(shí)驗(yàn)結(jié)果及分析
5．4 本章小結(jié)
參考文獻(xiàn)
第6章基于記憶機(jī)制Mean-shift和粒子濾波魯棒運(yùn)動(dòng)目標(biāo)跟蹤
6．1 基于記憶的模板更新建模
6．1．1 基于記憶的模板更新模型及定義
6．1．2 模板更新算法詳細(xì)描述
6．2 基于記憶的模板更新Mean-shift運(yùn)動(dòng)目標(biāo)跟蹤
6．2．1 Mean-shift跟蹤器初始化及算法描述
6．2．2 實(shí)驗(yàn)結(jié)果及討論
6．3 基于記憶的模板更新粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤
6．3．1 粒子濾波跟蹤器初始化及具體算法描述
6．3．2 實(shí)驗(yàn)結(jié)果及討論
6．4 基于記憶的多特征融合粒子濾波目標(biāo)跟蹤
6．4．1 目標(biāo)特征的描述與提取
6．4．2 基于記憶的多特征融合
6．4．3 基于記憶的多特征融合粒子濾波目標(biāo)跟蹤
6．4．4 實(shí)驗(yàn)結(jié)果及分析
6．5 本章小結(jié)
參考文獻(xiàn)
第7章基于記憶的多智能體協(xié)同進(jìn)化運(yùn)動(dòng)目標(biāo)跟蹤
7．1 基于記憶的多智能體協(xié)同進(jìn)化運(yùn)動(dòng)目標(biāo)跟蹤建模
7．1．1 基于記憶的智能體模型
7．1．2 多智能體協(xié)同進(jìn)化行為
7．1．3 YCbCr顏色空間非參數(shù)目標(biāo)建模
7．1．4 算法的實(shí)現(xiàn)
7．2 實(shí)驗(yàn)結(jié)果及討論
7．3 本章小結(jié)
參考文獻(xiàn)
彩圖