内容简介

本书系统深入地阐述了运动目标检测的理论与方法，总结了国内外运动目标检测技术的*新成果和*新进展，其中涵盖了作者多年来在该领域所取得的科研成果。全书共8章，内容包括运动目标检测的基本概念和研究现状、运动目标检测的经典方法和评价标准，以及基于单像素特征建模、复杂特征建模、多源信息建模、低维子空间分解、盲源信号分离、三维小波变换的运动目标检测方法。本书可作为视频分析、图像处理、信号处理等领域高年级本科生、研究生的参考学习用书，也可供从事相关领域研究的高校教师、科研人员以及从事相关行业的工程技术人员阅读参考。

目录

第１章 绪论 1
1．1 运动目标检测研究背景及意义 1
1．2 运动目标检测技术发展及研究现状 6
1．3 运动目标检测的应用难题和研究热点 11
1．3．1 运动目标检测的应用难题 11
1．3．2 运动目标检测的研究热点 12
1．4 本章小结 13
参考文献 13
第2章 运动目标检测概述 18
2．1 运动目标检测的经典方法 18
2．1．1 帧间差分法 18
2．1．2 光流法 20
2．1．3 背景减除法 21
2．2 运动目标检测的性能评价 24
2．2．1 主观评价 25
2．2．2 客观评价 25
2．3 运动目标检测的公开数据库 28
2．4 本章小结 42
参考文献 42
第3章 基于单像素特征建模的运动目标检测 45
3．1 相关工作与研究现状 45
3．2 基于人类视觉亮度敏感性的运动目标检测算法 46
3．2．1 揭示人类感知规律的韦伯定律 47
3．2．2 适用于复杂图像背景环境的韦伯比的分析与推导 49
3．2．3 基于人类视觉亮度敏感性的自适应匹配判断阈值设置 52
3．2．4 算法描述 53
3．2．5 自适应匹配判断阈值对算法性能的影响分析 55
3．3 实验结果及分析 56
3．3．1 实验环境设置 56
3．3．2 定性分析 59
3．3．3 定量分析 63
3．4 本章小结 65
参考文献 65
第4章 基于复杂特征建模的运动目标检测 68
4．1 相关工作与研究现状 68
4．2 基于改进脉冲耦合神经网络的运动目标检测算法 69
4．2．1 脉冲耦合神经网络（PCNN）的基础理论 70
4．2．2 基于改进脉冲耦合神经网络的全局特征提取 75
4．2．3 算法描述 79
4．3 实验结果及分析 80
4．3．1 实验环境设置 80
4．3．2 定性分析 81
4．3．3 定量分析 88
4．4 本章小结 90
参考文献 90
第5章 基于多源信息建模的运动目标检测 93
5．1 相关工作与研究现状 93
5．2 基于红外、可见光多源特征融合建模的运动目标检测算法 94
5．2．1 红外、可见光多源特征融合的理论基础和优势分析 95
5．2．2 算法描述 98
5．3 实验结果及分析 101
5．3．1 实验环境设置 101
5．3．2 定性分析 102
5．3．3 定量分析 106
5．4 本章小结 107
参考文献 108
第6章 基于低维子空间分解的运动目标检测 109
6．1 相关工作与研究现状 109
6．1．1 低维子空间分解理论基础 110
6．1．2 低维子空间分解在运动目标检测中的应用 111
6．2 基于改进在线鲁棒主成分分析的运动目标检测算法 112
6．2．1 自适应稀疏权重的在线鲁棒主成分分析 112
6．2．2 算法描述 116
6．3 实验结果及分析 120
6．3．1 实验环境设置 120
6．3．2 定性分析 122
6．3．3 定量分析 126
6．4 本章小结 128
参考文献 128
第7章 基于盲源信号分离的运动目标检测 130
7．1 相关工作与研究现状 130
7．1．1 盲源信号分离理论基础 131
7．1．2 盲源信号分离在运动目标检测中的应用 132
7．2 基于约束非线性独立成分分析的运动目标检测算法 133
7．2．1 运动目标检测中的非线性盲源分离问题 133
7．2．2 算法描述 135
7．3 实验结果及分析 137
7．3．1 实验环境设置 137
7．3．2 定性分析 138
7．3．3 定量分析 141
7．4 本章小结 142
参考文献 142
第8章 基于三维小波变换的运动目标检测 144
8．1 小波变换基础理论与快速算法 145
8．1．1 一维小波变换 146
8．1．2 三维小波变换 150
8．2 基于三维小波变换的运动目标检测算法 155
8．2．1 三维小波变换用于运动目标检测的理论分析 155
8．2．2 算法描述 157
8．2．3 算法优势分析 159
8．3 实验结果及分析 162
8．3．1 实验环境设置 162
8．3．2 定性分析 166
8．3．3 定量分析 177
8．4 本章小结 182
参考文献 182

前言/序言

运动目标检测是综合了人工智能、模式识别、图像与信号处理、统计估计等理论技术的交叉型研究领域。作为智能视频分析的核心技术，运动目标检测技术是智能视频分析其他各种后续处理（如目标跟踪、目标识别、行为分析理解等）的前提和基础，它可将人们感兴趣的运动目标从视频数据中智能检测并自动提取分割出来。目前，运动目标检测技术已广泛应用于智能视频监控、智能交通、灾情监控、人机交互、医学运动分析、汽车自动驾驶等领域。

近年来，国内外学者对运动目标检测的研究已提高了视频分析的智能化水平。然而，随着视频分析应用领域的不断扩大以及人们对海量数据分析智能性、准确性要求的不断提高，运动目标检测在面对越来越多复杂的实际应用场景时仍有许多理论和技术上的关键问题有待进一步解决。

作者在总结近年来在运动目标检测领域取得的研究成果的基础上，进一步系统深入地研究了运动目标检测的最新成果和最新方法，分析了运动目标检测技术现存的关键问题，并开展了大量的研究工作力图解决上述问题。作为研究工作的阶段总结，作者将近年来的相关研究成果汇总成册，构成了本书的主要内容，期望为从事视频分析、图像处理、信号处理研究工作的同仁在理论分析方法上提供一些有益的帮助。

全书共分8章，第1章简要介绍运动目标检测的基本概念和研究现状，第2章概述运动目标检测的经典方法和评价标准，第3章～第8章分别对基于单像素特征建模、复杂特征建模、多源信息建模、低维子空间分解、盲源信号分离、三维小波变换的运动目标检测方法展开讨论。

本书由韩光、才溪执笔，汪晋宽统稿。本书在写作过程中参阅和借鉴了大量国内外文献资料，同时受到了国家自然科学基金（61601108、61701098）资助，在此一并表示衷心的感谢！

由于运动目标检测技术正在飞速发展，加之作者水平有限，书中难免有疏漏和不足，敬请读者批评、指正。

著 者

2017年12月