第1章 视频目标检测
1.1 视频目标检测概述
1.1.1 视频目标检测的数据集
1.1.2 视频目标检测的研究思路
1.1.3 视频目标检测的应用场景
1.2 基于深度学习的视频目标检测
1.2.1 静态目标检测方法
1.2.2 视频目标检测方法
参考文献
第2章 无人机目标检测
2.1 无人机目标检测概述
2.1.1 无人机目标检测的挑战
2.1.2 无人机目标检测数据集
2.2 无人机目标检测的一般思路
2.3 无人机目标检测方法
2.3.1 基于图像切分的无人机目标检测
2.3.2 基于尺度自适应特征的无人机目标检测
2.4 “无人机目标检测应用示范
参考文献
第3章 人脸检测
3.1 人脸检测概述
3.1.1 人脸检测的应用需求
3.1.2 研究人脸检测的基本方法
3.2 深度卷积神经网络人脸检测
3.2.1 一种常用的人脸检测方法框架
3.2.2 原理设计
3.2.3 人脸检测测试
3.3 人脸检测应用实例
3.3.1 人脸识别
3.3.2 虚拟眼镜佩戴
参考文献
第4章 行人检测
4.1 引言
4.2 基于手工设计特征的行人检测方法
4.2.1 基于通道特征的行人检测方法
4.2.2 基于形变模型的行人检测方法
4.2.3 基于非相邻特征的行人检测方法
4.3 非端到端深度行人检测方法
4.3.1 非端到端行人检测方法分类
4.3.2 基于多层通道特征的行人检测方法
4.4 端到端深度行人检测方法
4.4.1 两阶段行人检测方法
4.4.2 单阶段行人检测方法
4.4.3 基于掩膜引导注意力网络的行人检测方法
参考文献
第5章 车辆检测
5.1 引言
5.2 基于单目的车辆检测方法
5.2.1 基于单目的2D车辆检测方法
5.2.2 基于单目的3D车辆检测方法
5.3 基于双目的车辆检测方法
5.3.1 双目车辆检测方法分类
5.3.2 基于高效3D几何特征的双目车辆检测方法
5.3.3 基于非均匀采样的双目车辆检测方法
5.4 车辆检测的研究趋势
参考文献
第6章 异常检测
6.1 异常检测概述
6.1.1 异常的定义
6.1.2 异常检测的定义
6.1.3 异常检测的难点
6.2 基于传统方法的异常检测
6.2.1 基于模型的方法
6.2.2 基于聚类的方法
6.2.3 基于邻近度的方法
6.2.4 基于分类的方法
6.2.5 图像异常检测
6.3 基于深度学习的异常检测
6.3.1 深度异常检测方法分类
6.3.2 深度图像异常检测
6.3.3 深度视频异常检测
参考文献
第7章 人脸识别
7.1 人脸识别概述
7.1.1 人脸识别的应用需求
7.1.2 人脸识别的研究概要
7.2 基于深度学习的人脸识别
7.2.1 深度卷积神经网络
7.2.2 基于深度学习实现人脸识别
7.3 人脸识别算法架构
7.3.1 人脸检测
7.3.2 人脸关键点定位
7.3.3 人脸跟踪
7.3.4 人脸归一化与特征提取
7.4 基于级联卷积神经网络的人脸识别
7.4.1 网络架构
7.4.2 阈值选择
参考文献
第8章 行人再识别
8.1 行人再识别概述
8.1.1 行人再识别难点
8.1.2 行人再识别研究目标
8.1.3 行人再识别研究方法
8.2 行人再识别评价指标与数据集
8.3 基于深度网络特征空间正交优化的行人再识别
8.3.1 权向量间相关性及其影响
8.3.2 SVDNet网络模型
8.4 基于特征配准的行人再识别
8.4.1 行人语义部件特征学习
8.4.2 行人广义部件特征学习
8.4.3 遮挡等信息不完全条件下的行人部件学习
8.4.4 基于特征校正层的深度特征表征方法
8.5 面向域泛化行人再识别
参考文献
第9章 行为识别
9.1 行为识别概述
9.2 行为识别基础
9.3 基于传统方法的人体行为识别
9.3.1 整体特征表示
9.3.2 局部特征表示
9.4 基于深度学习的人体行为识别
9.4.1 双流网络结构
9.4.2 3D卷积神经网络结构
9.4.3 混合网络结构
9.4.4 其他行为识别方法
9.5 数据集
参考文献
第10章 视频车牌识别
10.1 引言
10.2 视频车牌识别研究现状
10.2.1 车牌识别方法
10.2.2车牌检测方法
10.2.3 车牌跟踪方法
10.2.4 数据集与测试指标
10.3 基于深度学习的车牌识别方法
10.3.1 特征提取网络
10.3.2 编码器-解码器模型
10.3.3 图像校正方法
10.3.4 预训练方法
10.3.5 车牌识别实验结果
10.4 视频车牌识别系统
10.4.1 基于自注意力机制的车牌检测方法
10.4.2 多目标车牌跟踪方法
10.4.3 实验结果
参考文献
展开
