智能视频分析与步态识别

本书系统介绍了智能视频处理和步态识别的理论、方法及其改进方案。全书共分为两部分：第一部分为智能视频分析，介绍了智能视频分析常用优化方法、摄像机标定与迭代优化方法、视频中运动目标检测方法、视频中运动目标跟踪方法及非重叠视域多摄像机目标跟踪方法；第二部分为步态识别，介绍了视频中步态身份识别技术、基于轮廓特征的步态识别方法、基于协同表示与核协同表示的步态识别方法及基于步态帧差熵图的视角归一化步态识别方法。

本书可供人工智能、机器学习、计算机视觉、数字图像处理和计算机图形学等专业研究人员或研究生参考使用。

本书系统介绍了智能视频处理和步态识别的理论、方法及其改进方案。全书共分为两部分：第一部分为智能视频分析，介绍了智能视频分析常用优化方法、摄像机标定与迭代优化方法、视频中运动目标检测方法、视频中运动目标跟踪方法及非重叠视域多摄像机目标跟踪方法；第二部分为步态识别，介绍了视频中步态身份识别技术、基于轮廓特征的步态识别方法、基于协同表示与核协同表示的步态识别方法及基于步态帧差熵图的视角归一化步态识别方法。

本书可供人工智能、机器学习、计算机视觉、数字图像处理和计算机图形学等专业研究人员或研究生参考使用。

本书的主要特点体现在以下几个方面:
(1) 以基础理论为起点。 本书从智能视频分析的基础知识讲起, 包括智能视频分析常用优化方法、摄像机标定与迭代优化方法及步态识别基本流程和预处理技术, 使读者了解和掌握与本书理论、应用和改进方法有关的基础知识, 有助于读者迅速掌握智能视频分析的理论和方法。
(2) 以解决问题、创新方法为目的。 本书内容包括应用背景、基础理论、研究现状、基本方法、应用及改进方法, 即包含了一个课题研究的全部环节, 能使读者系统地了解和掌握智能视频处理和步态识别研究方向的知识。特别是对本科生、硕士或博士研究生开展一项新的研究课题, 从一个课题的应用背景、研究现状中发现问题、提炼问题、一直到提出自己的创新方法来解决问题的整个过程, 有一定的指导意义。书中每章都附有参考文献, 可以作为扩展阅读资料, 读者可以有选择性地阅读某篇文献, 以深入研究相关内容及拓宽知识视野。
(3) 以实际实验为手段。 “纸上得来终觉浅, 绝知此事要躬行”。本书以实际生产生活中的需求为实验目的, 特别是针对煤矿井下生产中对视频处理的具体需求, 有针对性地引导读者将理论与实践相结合, 进行实验验证与改进。矿井下环境较为恶劣, 光线差, 照度低, 对煤矿井下的视频进行处理比一般的视频处理更具有难度和代表性, 本书部分实验以煤矿井下监控视频为例进行实验验证。步态识别主要以中科院自动化研究所提供的CASIA步态数据库进行实验, 在公用数据库上实验有助于验证基本方法及改进方法的有效性和性能。