人工智能視覺檢測與安全防範

郟東耀，北京交通大學教授、博士生導師，大數據與智慧測控研究中心主任。主要科研方向為數據科學與工程、視覺人工智能、深度學習新理論及其應用，發表學術論文100餘篇。曾主持或參與國家863計劃重大項目、國家自然科學基金重大項目、國家科技支撐計劃項目等。

第1章 人工智能概述
1.1 人工智能的定義
1.2 人工智能研究方法
1.3 人工智能基本應用
第2章 深度學習
2.1 深度學習簡介
2.2 人工神經網絡下的深度學習
2.3 深度學習的應用
2.3.1 物體檢測
2.3.2 圖像分割
2.3.3 圖像標題生成
2.3.4 圖像風格變換
2.3.5 自動駕駛
第3章 人工智能安防綜述
3.1 智能安防系統簡述
3.1.1 智能安防技術發展
3.1.2 現代智能安防應用
3.2 人工智能安防設備
3.2.1 攝像機結構
3.2.2 鏡頭
3.2.3 防護罩與支架
3.3 現實場景中的安防應用
第4章 覆雜背景下人體跌倒檢測
4.1 靜態圖像中人體分割方法
4.1.1 基於連接關系的人體模型建立
4.1.2 人體各部位特征的選取與定義
4.1.3 基於顏色特征和橢圓特征相結合的頭部檢測
4.1.4 人體部件分割方法
4.2 基於多特征融合的跌倒檢測方法
4.2.1 室內常見跌倒的分類和特征
4.2.2 視頻關鍵幀的選擇
4.2.3 跌倒特征的選取和定義
4.2.4 基於高斯徑向基核函數支持向量機的跌倒檢測
4.2.5 基於多幀序列圖像的跌倒檢測驗證
4.3 實驗與分析
4.3.1 人體檢測與實驗分割
4.3.2 基於高斯徑向基核函數的分類器訓練
4.3.3 基於多特征融合的跌倒識別實驗分析
第5章 智能視頻監控中人群密度分析及突發異常行為檢測
5.1 人群密度等級分類算法
5.1.1 算法概述
5.1.2 圖像預處理
5.1.3 基於前景像素統計的回歸算法
5.1.4 基於紋理特征的學習分類算法
5.2 基於瞬時能量特征的人群異常檢測
5.2.1 基於像素統計分析的運動特征點提取
5.2.2 基於光流的運動特征提取
5.2.3 基於瞬時能量特征的人群異常檢測
5.3 實驗與分析
5.3.1 人群密度等級分類算法的實驗分析
5.3.2 人群異常檢測實驗分析
第6章 基於雙目視覺的火焰目標檢測技術
6.1 雙目立體視覺定位模型
6.1.1 系統總體方案和設計原則
6.1.2 雙目視覺原理與模型
6.1.3 雙目視覺火焰圖像采集和定位
6.1.4 立體匹配
6.2 視覺註意機制和靜態火焰識別模型
6.2.1 視覺選擇註意機制
6.2.2 靜態火焰檢測
6.2.3 多個火焰目標分割模型
6.3 基於動態特性的火焰檢測方法
6.3.1 運動目標檢測的方法
6.3.2 火焰的動態特征
6.3.3 基於自適應增量支持向量機的火焰識別算法
6.4 實驗分析
6.4.1 火焰目標的定位實驗
6.4.2 火焰圖片的識別實驗
6.4.3 火焰視頻的識別實驗
6.4.4 實驗結果分析
第7章 基於多源視覺的淡色火焰識別與定位
7.1 多源視覺系統
7.1.1 系統方案設計
7.1.2 相機成像原理及標定
7.2 基於融合圖像的火焰檢測方法
7.2.1 圖像融合綜述
7.2.2 基於改進的IHS-NSCT融合算法
7.2.3 火焰目標識別算法
7.3 基於S-SIFT匹配算法的定位方法
7.3.1 立體視覺系統模型
7.3.2 立體匹配概述
7.3.3 基於改進的S-SIFT算法
7.4 仿真實驗
7.4.1 圖像融合和目標識別實驗
7.4.2 立體匹配以及火焰目標定位實驗
參考文獻