本书以视频序列中运动目标检测与跟踪技术为核心，对运动目标检测与跟踪理论和方法进行探讨，吸纳国内外相关运动目标检测与跟踪技术的精华，阐述基于K-means、AdaBoost和LBP背景建模的特征分类以及Otsu结合肤色检测的微动目标提取算法；设计利用SVM方法提取HOG特征分类器对行人人体进行检测的算法、基于前景模板和Camshift相结合的目标跟踪算法；实现双层Codebook模型和短时滑动窗口相结合的背景更新方法，解决外部干扰问题，保证粒子多样性，减少计算量和时间复杂度；提出一种基于轨迹网格化分析的运动目标徘徊检测方法。本书所有实验结果及分析均取自作者所在研究团队工作的研究成果，具有一定的前沿性和实用性。本书既可作为高等院校计箅机相关专业的数字图像处理、计算机视觉等专业教材或教学参考书，也可作为通信工程、电子信息工程、电子科学与技术、自动化等相关专业读者的数字图像处理课程教材，还可供相关工程师及应用开发人员参考。

前言
章运动目标检测与跟踪概述1
1.1运动目标检测与跟踪的发展及现状1
1.1.1运动目标检测与跟踪的发展1
1.1.2运动目标检测与跟踪的国内外研究现状2
1.2运动目标检测与跟踪技术4
1.2.1运动目标检测技术简介4
1.2.2运动目标跟踪技术简介6
1.3运动目标检测与跟踪的技术难点9
1.4本章小结10
参考文献10
第2章运动目标检测与跟踪基础知识13
2.1视频序列图像的预处理13
2.1.1图像灰度化13
2.1.2图像二值化16
2.1.3图像增强18
2.1.4图像滤波20
2.1.5形态学处理22
2.1.6颜色空间25
2.1.7图像边缘检测28
2.2运动目标检测技术31
2.2.1光流法31
2.2.2帧间差分法33
2.2.3背景减除法34
2.2.4可视化背景提取算法42
2.3运动目标跟踪技术46
2.3.1Meanshift跟踪算法46
2.3.2Camshift跟踪算法48
2.3.3Kalman滤波跟踪算法49
2.3.4粒子滤波跟踪算法51
2.3.5基于Snake模型的目标跟踪算法53
2.4本章小结58
参考文献58
第3章视频序列中的微动目标检测方法61
3.1图像特征分类技术61
3.1.1Bayes分类算法61
3.1.2K-means算法62
3.1.3条件随机场模型65
3.1.4AdaBoost模型68
3.2图像特征提取技术70
3.2.1基于区域分割的特征提取70
3.2.2基于目标边缘检测的特征提取71
3.2.3基于目标纹理的特征提取71
3.3微动目标提取技术71
3.3.1改进的K-means聚类算法72
3.3.2肤色检测算法74
3.4微动目标背景替换技术76
3.4.1微动目标粗分割算法76
3.4.2微动目标孔洞填充算法77
3.4.3背景替换算法80
3.5LBP背景建模改进技术81
3.5.1LBP纹理特征提取算法81
3.5.2基于LBP背景建模的微动目标检测算法83
3.5.3LBP背景建模改进算法性能分析84
3.6多线程图像处理技术90
3.6.1多线程与图像处理91
3.6.2多线程与视频微动目标提取算法91
3.6.3线程间的通信92
3.6.4共享缓冲区和互斥机制92
3.7坐席视频通话中的微动目标检测与背景替换系统95
3.7.1坐席视频通话系统体系结构96
3.7.2坐席视频通话系统设计与实现97
3.8本章小结100
参考文献101
第4章视频序列中的运动目标跟踪方法103
4.1结合前景检测的运动目标跟踪技术103
4.1.1Codebook背景建模104
4.1.2融合邻域信息Codebook背景建模106
4.1.3确定跟踪目标和特征提取107
4.1.4基于颜色特征的运动目标模型构造109
4.1.5融合邻域信息的Codebook模型与粒子滤波结合的跟踪算法110
4.1.6目标跟踪和特征提取算法性能分析112
4.2结合在线学习检测器的运动目标跟踪技术115
4.2.1基于机器学习的特征提取117
4.2.2特征选择与分类器设计118
4.2.3随机蕨丛在线学习和粒子滤波相结合的目标跟踪122
4.2.4基于滤波的目标跟踪算法性能分析123
4.3视频序列中的粒子滤波跟踪系统体系结构126
4.3.1粒子滤波跟踪系统体系结构127
4.3.2粒子滤波跟踪系统设计与实现128
4.4本章小结130
参考文献131
第5章行人检测和流量统计方法133
5.1运动目标计数算法133
5.1.1智能视频监控系统概述133
5.1.2行人计数统计算法134
5.2基于AdaBoost的行人检测技术139
5.2.1人头样本训练140
5.2.2Haar-Like特征与MB-LBP特征提取142
5.2.3基于AdaBoost的人头检测算法144
5.2.4人头检测实验结果与分析145
5.3基于SVM的人体识别技术150
5.3.1HOG特征提取150
5.3.2SVM分类器152
5.3.3人体识别实验结果及分析153
5.4基于粒子滤波跟踪的人头检测技术156
5.4.1改进的粒子滤波剩余重采样算法156
5.4.2结合人头检测的粒子滤波算法161
5.4.3粒子滤波的人头检测实验结果与分析162
5.5行人检测和流量统计系统165
5.5.1行人检测系统设计与实现165
5.5.2行人流量统计系统设计与实现170
5.6本章小结176
参考文献176
第6章视频序列中的遗留物检测方法179
6.1遗留物检测技术179
6.1.1算法约束假设181
6.1.2视频序列图像单帧预处理182
6.1.3遗留物检测算法183
6.1.4基于场景分类的遗留物检测算法187
6.1.5基于双背景模型的遗留物检测算法188
6.1.6基于目标行为分析的遗留物检测算法189
6.2基于双混合高斯背景模型的遗留物检测技术191
6.2.1遗留物检测算法中的静止前景检测191
6.2.2改进的混合高斯背景建模算法192
6.2.3静止前景目标的提取194
6.3遗留物主的提取技术196
6.3.1改进的Camshift目标跟踪算法197
6.3.2基于图像信息熵的遗留物主关键帧提取199
6.4遗留物检测实验结果与分析201
6.5本章小结205
参考文献206
第7章运动目标异常行为检测与跟踪方法208
7.1运动目标表示与特征提取208
7.1.1运动目标表示209
7.1.2运动目标特征提取209
7.2运动目标异常行为检测技术210
7.2.1目标越线和进入虚拟墙检测211
7.2.2逆向运动和加速运动检测215
7.2.3运动目标跌倒和蹲下行为检测216
7.2.4运动目标伸开双臂检测218
7.3运动目标徘徊检测技术218
7.3.1运动目标徘徊轨迹检测219
7.3.2运动目标轨迹的网格化分析221
7.3.3正常行为轨迹分析223
7.3.4徘徊行为轨迹分析224
7.3.5徘徊轨迹检测224
7.4运动目标行为检测与跟踪实验结果与分析226
7.5异常行为检测系统的设计与实现231
7.5.1异常行为检测系统体系结构231
7.5.2异常行为检测系统接口设计与实现232
7.5.3异常行为检测系统设计与实现233
7.6本章小结236
参考文献236
索引237
彩图