無

由于計算機技術(shù)和數(shù)字成像技術(shù)的進步，機器視覺技術(shù)如今蓬勃發(fā)展，廣泛應用于國民經(jīng)濟的各個領(lǐng)域。與此同時，人工智能技術(shù)也取得了極大的進步，盡管從人類能夠使用計算機編寫程序時就開始考慮如何讓計算機模擬人腦的智力行為，如著名的圖靈機測試就是一個用于驗證計算機是否達到人的智力水平的典型思維實驗，但人工智能真正得到快速發(fā)展還是在統(tǒng)計學習理論為其奠定了堅實基礎(chǔ)之后，機器視覺系統(tǒng)應對復雜問題的能力也隨之得到了提升。本書對統(tǒng)計學習與機器視覺從基礎(chǔ)到綜合應用進行了全方位的分析，以使讀者能較快掌握這一領(lǐng)域的專業(yè)知識并應用到自己的實際工作中去。

全書共六章，分別如下：

第一章 緒論。主要介紹統(tǒng)計學習和機器視覺的基本概念、發(fā)展歷程。

第二章 機器視覺。對于機器視覺的系統(tǒng)組成，從基礎(chǔ)的圖像知識到相機標定、立體視覺等內(nèi)容都做了概括性介紹，為后面幾章內(nèi)容的理解建立基礎(chǔ)。

第三章 統(tǒng)計學習與圖像分割。由于圖像分割在機器視覺中是一個非常基礎(chǔ)的問題，而且良好的分割結(jié)果必然是基于統(tǒng)計方法的，因此對這一主題單獨做了分析。

第四章 圖像特征提取。特征提取也是一個重要的基礎(chǔ)問題，一些特征從原理上就具備統(tǒng)計性質(zhì)，而另外一些特征具備局部統(tǒng)計特性，在本章中分別做了介紹。

第五章 案例：人臉識別。目前人臉識別技術(shù)已經(jīng)日趨成熟，因此非常適合作為基本的教學案例以說明統(tǒng)計學習方法是如何在機器視覺具體問題中應用的。

第六章 案例：視頻監(jiān)控系統(tǒng)。本案例是從機器視覺系統(tǒng)角度出發(fā)的，集成了多種視覺技術(shù)，如檢測、跟蹤等，通過這個例子讀者可以加深對前面章節(jié)中所學知識的理解。

本書在編寫過程中得到了北京市教育委員會共建項目“北京市公共安全信息監(jiān)測平臺關(guān)鍵技術(shù)研究”的資助，引用了許多研究人員和作者的論述、觀點、方法、研究結(jié)果和一些圖片，在此一并致以衷心的感謝。

由于作者水平所限，書中難免會有疏漏和不當之處，歡迎專家和讀者給予批評指正。

編 者

2016年3月

第一章 緒論 1
1.1 統(tǒng)計學習 1
1.1.1 統(tǒng)計學習的定義 1
1.1.2 統(tǒng)計機器學習概述 2
1.1.3 統(tǒng)計機器學習的常用學習算法 5
1.2 機器視覺 8
1.2.1 相關(guān)概念 8
1.2.2 機器視覺概述 9
1.3 統(tǒng)計機器學習與機器視覺 12
1.3.1 兩者的關(guān)系 12
1.3.2 兩者的數(shù)學基礎(chǔ) 13
參考文獻 13
第二章 機器視覺 14
2.1 引言 14
2.2 圖像預處理 16
2.2.1 圖像幾何變換 16
2.2.2 灰度變換 19
2.2.3 圖像濾波 20
2.3 相機標定 23
2.3.1 畸變校正 23
2.3.2 線性模型 24
2.3.3 標定方法 26
2.4 立體視覺 29
2.4.1 基元檢測 29
2.4.2 極線約束 31
2.4.3 三維重建 32
參考文獻 37
第三章 統(tǒng)計學習與圖像分割 38
3.1 引言 38
3.2 經(jīng)典圖像分割方法 39
3.2.1 基于邊緣的方法 39
3.2.2 基于閾值的方法 41
3.2.3 基于區(qū)域的方法 42
3.3 基于聚類的方法 42
3.3.1 基本算法 43
3.3.2 分割步驟 44
3.4 基于馬爾可夫場的方法 44
3.4.1 圖像的馬爾可夫隨機場描述 44
3.4.2 參數(shù)估計 45
3.5 基于熵信息的閾值分割法 46
3.5.1 閾值分割中的熵信息 46
3.5.2 基于最大熵的閾值分割方法 47
3.5.3 基于Pal熵的閾值分割方法 50
3.5.4 基于Renyi熵的閾值分割方法 51
3.5.5 基于Tsallis熵的閾值分割方法 54
3.5.6 基于交叉熵的閾值分割方法 57
3.6 實驗分析 58
3.6.1 基于熵信息的閾值分割方法的分析
與比較 58
3.6.2 基于熵信息的閾值分割方法與其他
閾值方法的分析和比較 62
3.7 小結(jié) 64
參考文獻 65
第四章 圖像特征提取 67
4.1 引言 67
4.2 基于顏色的特征 68
4.2.1 直方圖相交法 69
4.2.2 顏色集 70
4.2.3 顏色矩 71
4.3 基于紋理的特征 71
4.3.1 灰度共生矩陣 72
4.3.2 幾何法 73
4.3.3 模型法 74
4.3.4 信號處理法 74
4.4 基于形狀的特征 77
4.4.1 傅里葉形狀描述法 77
4.4.2 形狀參數(shù)法 78
4.4.3 不變矩法 79
4.5 應用于行人檢測的HOG特征 80
4.5.1 行人檢測算法研究現(xiàn)狀 80
4.5.2 HOG行人檢測流程 80
4.6 SIFT特征及改進算法 82
4.6.1 SIFT經(jīng)典方法 82
4.6.2 PCA-SIFT特征提取 87
4.6.3 仿射不變特征（ASIFT） 88
4.6.4 快速魯棒特征（SURF） 91
參考文獻 94
第五章 案例：人臉識別 97
5.1 引言 97
5.2 人臉檢測 97
5.2.1 研究現(xiàn)狀 97
5.2.2 Viola-Jones人臉檢測器 97
5.2.3 基于ASM的人臉對齊 100
5.3 人臉識別 102
5.4 人臉快速檢索 103
5.5 基于深度學習的識別 104
參考文獻 110
第六章 案例：視頻監(jiān)控系統(tǒng) 112
6.1 引言 112
6.2 基于HOG+DPM的行人檢測 112
6.2.1 DPM行人檢測算法 112
6.2.2 DPM結(jié)合混合高斯模型的
行人檢測 114
6.3 基于顏色與身高的行人識別 117
6.3.1 顏色特征提取 117
6.3.2 身高特征提取 118
6.3.3 識別綜合算法 121
6.4 行人跟蹤 122
6.4.1 CT跟蹤算法 123
6.4.2 TLD跟蹤算法 123
6.4.3 協(xié)同跟蹤 126
參考文獻 128

1. 信息技術(shù)基礎(chǔ)（麒麟操作系統(tǒng)+WPS Office） [主編　芮雪　蔣莉　王亮亮]
2. Office高級應用項目式教程（第2版） [主編 李觀金 張倩文 黎夏克 ]
3. 巧用翻譯學英語：英漢互譯500例 [王學文 著]
4. 高等教育多維評價體系構(gòu)建與高質(zhì)量發(fā)展研究 [張妍 著]
5. 系統(tǒng)規(guī)劃與管理師章節(jié)習題與考點特訓（第二版） [主編 薛大龍]
6. 計算機操作系統(tǒng)實踐指導（openEuler版） [主編 秦光 曾陳萍 岳付強]
7. 信息系統(tǒng)管理工程師真題及模考卷精析（適用機考） [主 編 薛大龍 程 剛 上官緒]
8. 航海類院校體育教育教學研究 [張利超 李寧 著]
9. 新時代背景下我國職業(yè)教育產(chǎn)教融合長效機制建設(shè)研究 [王玉賢 著]
10. 電路分析 [主編 李飛 毛先柏]
11. 信息系統(tǒng)管理工程師（適用第2版大綱）一站通關(guān) [指尖瘋　編著]
12. 傳統(tǒng)山水畫論解讀與實踐 [陳鈉 著]
13. 網(wǎng)絡(luò)工程師備考一本通（適配第6版考綱） [夏杰 編著]
14. 陳孝云的職教理想與情懷 [祝吉太 江傳瑞 張義廷 著]
15. 地方本科院校電子信息學科課程思政案例集 [王甫]
16. Excel數(shù)據(jù)處理與分析（第二版） [主編 張志明 鄒 蕾]
17. 網(wǎng)絡(luò)工程師5天修煉（適配第6版考綱） [主編　朱小平 施游]
18. 倉儲管理實務（第二版） [周寧武 編著]
19. 基于AE與C#的地理信息系統(tǒng)二次開發(fā) [李小根 賈艷昌 喬翠平 姜彤 ]
20. 2023年長沙市文化和旅游業(yè)發(fā)展報告 [主編 陳莉]
21. 舞臺化妝造型設(shè)計 [主編 劉思彤 張 濤 張憶雨]
22. 產(chǎn)教融合視角高校體育專業(yè)實踐教學體系構(gòu)建研究 [楊柳青 葉華兵 著]
23. 知識圖譜及應用案例 [張善文 黃文準 于長青 陳明淑]
24. Python程序設(shè)計案例教程（微課版） [主編　石利平　田輝平　余以勝]
25. 皓月繁星：青少年兒童心理成長手冊 [主　編　林贊歌 副主編　杜志南]
26. 材料力學 [章寶華 趙新勝 徐斌]
27. 系統(tǒng)集成項目管理工程師考試32小時通關(guān)（第3版） [主編　薛大龍 副主編　上官緒陽]
28. 軟考論文高分特訓與范文10篇——系統(tǒng)分析師（第二版） [薛大龍 鄒月平 施游]
29. 黃河海勃灣水利樞紐防凌安全運行 [王戰(zhàn)領(lǐng) 王叢發(fā) 范瑜彬 著]
30. 大學生心理健康教育 [方雄 著]