面向智能网联的视觉目标多层次感知及应用

　　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。*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*成果，主要包括基于感知信息融合的行车环境表征方法…
　查看完整　　

　　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。*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*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。
^ 收 起