深度學習之多源數(shù)據(jù)融合的目標檢測與跟蹤

第 1 章緒論………………………………………………………………… 1
1．1 本書背景 …………………………………………………………………… 2
1．2 國內(nèi)外研究現(xiàn)狀 …………………………………………………………… 4
1．3 本書內(nèi)容與主要貢獻 ……………………………………………………… 17
1．4 本書的結(jié)構(gòu)安排 …………………………………………………………… 19
第 2 章深度傳感器與深度圖像特性………………………………………21
2．1 引言 ………………………………………………………………………… 22
2．2 深度傳感器介紹 …………………………………………………………… 22
2．3 深度圖像特性 ……………………………………………………………… 26
2．4 本章小結(jié) …………………………………………………………………… 27
第 3 章基于非對稱自適應特征融合的 RGB-D 人員檢測………………29
3．1 算法總體架構(gòu) ……………………………………………………………… 30
3．2 非對稱RGB-D雙流網(wǎng)絡(luò)設(shè)計 ……………………………………………… 30
3．3 深度特征金字塔結(jié)構(gòu)設(shè)計 ………………………………………………… 33
3．4 多模態(tài)自適應通道加權(quán)模塊設(shè)計 ………………………………………… 34
3．5 多分支預測網(wǎng)絡(luò)設(shè)計 ……………………………………………………… 36
3．6 實驗結(jié)果分析 ……………………………………………………………… 38
3．7 本章小結(jié) …………………………………………………………………… 45
第 4 章基于深度信息改進 DeepSort 多目標跟蹤算法……………………47
4．1 基于預訓練CNN模型提取人員外觀特征 ………………………………… 49
4．2 基于卡爾曼濾波預測人員運動狀態(tài) ……………………………………… 49
4．3 基于深度變化率優(yōu)化的目標匹配 ………………………………………… 51
4．4 基于軌跡上下文深度差優(yōu)化的軌跡處理 ………………………………… 55
4．5 實驗結(jié)果分析 ……………………………………………………………… 60
4．6 本章小結(jié) …………………………………………………………………… 61
第 5 章基于非對稱孿生網(wǎng)絡(luò)的目標跟蹤算法…………………………63
5．1 多人員跟蹤算法總體框架 ………………………………………………… 64
5．2 基于非對稱孿生網(wǎng)絡(luò)的軌跡生成模塊設(shè)計 ……………………………… 66
5．3 基于時序信息的軌跡優(yōu)化模塊設(shè)計 ……………………………………… 71
5．4 實驗結(jié)果與分析 …………………………………………………………… 75
5．5 本章小結(jié) …………………………………………………………………… 83
第 6 章應用系統(tǒng)案例………………………………………………………85
6．1 基于RGB-D的雙向人流量統(tǒng)計系統(tǒng) ……………………………………… 86
6．2 基于RGB-D的室內(nèi)人員口罩佩戴情況識別系統(tǒng) ……………………… 106
6．3 本章小結(jié) ………………………………………………………………… 123
第 7 章總結(jié)與展望……………………………………………………… 125
7．1 總結(jié) ……………………………………………………………………… 126
7．2 展望 ……………………………………………………………………… 127
參考文獻……………………………………………………………………… 128