本书以智能网联系统为背景，以视觉多层次感知为切入点，基于作者所在课题组在视觉感知领域多年的技术积累，深入诠释了面向智能网联的视觉多层次感知技术及应用。全书共五章。第一章主要从视觉多层次感知入手，阐述了视觉感知技术相关理论知识，并对视觉感知在各个领域内的应用做了扼要的阐述；第二章主要阐述了课题组在基于边缘、基于阈值、基于区域、基于图论、基于偏微分方程及基于深度学习的图像分割方法方面取得的理论成果及应用实例；第三章主要围绕基于视觉特征、分类器、显著性及深度学习的目标检测方法，分别阐述了课题组在车道线检测、车辆目标检测、道路标线检测、行人检测、交通标志检测及路面裂缝检测等方面取得的成果；第四章主要围绕课题组在目标跟踪技术方面取得的成果进行展开，主要涉及基于核化相关滤波的跟踪算法、基于高斯混合模型的多示例学习跟踪算法、基于位平面的跟踪算法、基于深度学习的跟踪算法等；第五章侧重于介绍课题组近年来在场景解析中取得的最新成果，主要包括基于感知信息融合的行车环境表征方法、全向障碍物检测方法、多视角交通场景理解方法等。 本书立足于智能网联系统本身，以视觉感知技术为核心，结合课题组提出的创新方法与工程项目应用实例，系统全面地阐述了视觉多层次感知理论及应用，可供交通领域内对视觉感知技术感兴趣的读者进一步钻研与探索。

第一章 绪论
1.1 视觉多层次感知结构
1.2 视觉多层次感知研究内容
1.2.1 目标分割与检测
1.2.2 目标识别与跟踪
1.2.3 场景解析
1.3 视觉智能感知应用
1.3.1 智慧医疗
1.3.2 智慧军事
1.3.3 智能安防
1.3.4 智能网联交通系统
参考文献
第二章 目标分割技术
2.1 经典目标分割
2.1.1 基于边缘检测的路面裂缝分割算法
2.1.2 基于阈值的混凝土路面骨料分割算法
2.1.3 基于区域的车道线分割算法
2.2 基于数理方法的目标分割
2.2.1 基于图论的车辆分割算法
2.2.2 基于偏微分方程的车辆分割算法
2.3 基于深度学习的目标分割
参考文献
第三章 目标检测技术
3.1 基于视觉特征的目标检测
3.1.1 基于纹理特征的车牌定位与识别算法
3.1.2 基于直方图统计与多帧平均背景去除法的公交乘客计数算法
3.1.3 基于NUBS曲线模型的车道线检测算法
3.1.4 基于SIFT特征点的车辆目标检测算法
3.2 基于分类器的目标检测
3.3 基于显著性的目标检测
3.4 基于深度学习的目标检测
3.4.1 基于多视域图卷积网络的行人检测
3.4.2 基于共享卷积神经网络的交通标志检测与识别算法
3.4.3 基于改进的LeNet-5网络的路面裂缝定位算法
参考文献
第四章 目标跟踪技术
4.1 融合特征匹配和光流法的目标跟踪方法
4.1.1 特征匹配与光流法
4.1.2 融合特征匹配和KLT算法的车辆目标跟踪算法
4.2 基于核化相关滤波的跟踪算法
4.2.1 核相关滤波
4.2.2 基于金字塔特征尺度自适应的核化相关滤波车辆跟踪算法
4.3 基于学习的目标跟踪
4.3.1 基于多示例学习的跟踪算法
4.3.2 基于高斯混合模型的多示例学习跟踪算法
4.4 基于压缩感知的目标跟踪
4.4.1 压缩感知
4.4.2 基于多通道特征选择的压缩跟踪算法
4.5 基于位平面的目标跟踪
4.5.1 图像位平面
4.5.2 基于位平面的跟踪算法
4.6 基于深度学习的目标跟踪
4.6.1 基于深度学习特征的目标跟踪算法
4.6.2 基于深度学习网络的目标跟踪算法
4.6.3 新型深度学习网络结构在目标跟踪中的应用
参考文献
第五章 场景解析技术
5.1 基于图像特征的场景识别方法
5.2 基于多层级感知的交通场景解析方法
5.2.1 基于深度摄像头的车辆全向障碍物检测方法
5.2.2 基于感知信息融合的行车环境表征方法
5.2.3 基于深度学习的多视角交通场景理解方法
参考文献