同类图书

Similar books 换一批
  • 邓小平职业教育思想研究论文选

    作者：陈永龙, 周华银

    本书选编了国内学术界、教育界数十位专家学者和领导学习、研究邓小平职业教育思想的最新成果，把邓小平职业教育思想作为一个体系，从不同角度做了比较全面而又系统深刻的论述。

  • 蜀学（第十六辑）

    作者：西華大學 蜀學研究中心 四川省人民政府文史研究館

    《蜀学》是由西华大学，四川省人民政府文史研究馆，蜀学研究中心主办的反映四川地区社会科学发展的学术论文集，每年二辑，本书为《蜀学》第十五辑，是2018年度的第二辑，全书为繁体横排出版。其内容是关于蜀学理论、蜀学思想、蜀学史、蜀中学者以及蜀学文献等方面的研究，涵盖了对四川蜀地历史文化发展的溯源，对蜀中学术及人物的评价及研讨，对不同历史时期蜀中代表学人及其学术特色的探讨以及对蜀地文化教育事业发展历程的总结等，反应了四川学术发展的大体趋向，具有一定的学术及参考价值，对推动地方文化的发展具有重要作用。

  • 青年说：感恩中国科学家：仰望民族复兴路上的闪耀“星”光

    作者：高平平

    本书是西南交通大学党委学生工作部、西南交通大学出版社、《教育导报》面向西部地区27所“双一流”高校举办的“学科学家精神 喜迎建党百年”主题征文大赛的优秀作品集，是深入学习贯彻习近平新时代中国特色社会主义思想、庆祝中国共产党成立100周年的成果之一。本书以感恩为主题，精选了100篇优秀作品，旨在充分激发当代大学生的爱党爱国热情，在大学生群体中大力弘扬新时代科学家精神，广泛凝聚青年学生的奋斗力量，具有一定出版价值。

图书分类

Book classification
轨道交通
  1. 城市轨道
  2. 高速铁路
  3. 牵引供电
  4. 机车车辆
  5. 乘务管理
  6. 通信信号
  7. 铁道工程
  8. 运输调度
  9. 维修维护
高等教育
  1. 土木建筑
  2. 航空飞行
  3. 电工电子电气
  4. 交通运输
  5. 计算机通信
  6. 物流
  7. 艺术
  8. 外语
  9. 体育
  10. 经贸管理
  11. 法律
  12. 人文社科
  13. 教育师范
  14. 就业创业
  15. 研究生教材
  16. 轨道交通
  17. 机械工程
  18. 室内装饰设计
  19. 理工基础
  20. 物联网技术
  21. 地球科学与环境
  22. 材料工程
  23. 医药卫生
  24. 党政教育
  25. 公共通识课
  26. 农林牧渔
  27. 生物遗传
职业教育
  1. 土木建筑
  2. 机械工程
  3. 物流管理
  4. 经贸管理
  5. 旅游管理
  6. 电工电子电气
  7. 医护
  8. 计算机通信
  9. 农林园艺养殖
  10. 中等职业教材
  11. 轨道交通
  12. 汽车
  13. 外语
  14. 教育师范
  15. 理工基础
  16. 公共课
  17. 党政教育
  18. 软件技术
  19. 交通运输
  20. 安全管理
  21. 食物烹饪
  22. 艺术设计
  23. 航空飞行
  24. 测绘
  25. 物联网
继续教育
  1. 铁路工人培训教材
  2. 中小学教师培训教材
  3. 煤矿安全生产培训教材
  4. 网络教育教材
  5. 工业技术
学术专著
  1. 文学诗歌
  2. “三农”系列图书
  3. 教育心理
  4. 体育
  5. 法律
  6. 外语
  7. 经贸管理
  8. 哲学社科
  9. 自然科学
  10. 交通运输
  11. 机械机电
  12. 土木建筑工程
  13. 通信电子
  14. 历史传记
  15. 艺术设计
  16. 计算机
  17. 工业技术
大众图书
  1. 考试图书
  2. 少儿与教育
  3. 生活与励志
  4. 历史与地理
  5. 艺术与设计
  6. 哲学与社科
  7. 科技与科普
  8. 运动与健康
地方标准
国家规划教材
  1. "十一五"规划
  2. "十二五"规划
  3. "十三五"规划
  4. "十四五"规划
  1. 本书是2017年广东省教育厅重点平台和重大科研项目“基于视频图像分析的地铁人群异常行为识别关键技术研究”成果。随着国内各大城市地铁交通运输系统乘客拥挤的现象越来越频繁，对安防的要求愈来愈高，地铁运营单位及社会对人群拥挤下的人流密度分析，以及吸烟、点火（烟雾）、拉扯斗殴、跨线、人群聚集等人群异常行为事件和情况愈发重视，对当前安防监控提出了更高的标准和要求。随着监控系统智能视频分析技术的发展和普及，如...查看更多
  2. 前  言
    随着我国城市化建设和轨道交通的快速发展，由高铁、普铁、地铁等组成的轨道交通运输网络已成为我国重要的交通运输方式，承担着民众大规模出行的运量。随着民众出行的规模数量和频率次数的高速增长，高密度、超大量的乘客人流潮及其人群不确定行为给轨道交通客流运输及其公共安全带来了极大压力和巨大隐患。值得注意的是近些年来出现的一系列各类型人群异常行为事件（如暴力恐袭、纵火吸烟、阻挡车门、旅客霸坐、打架斗殴等），引发了社会的不安和激烈讨论，以及政府对轨道交通运输行业公共安全的高度关注。尤其是在高密集人流的情况下，如果发生此类事件，若不能及时发现和有效处置，必将导致更为严重的后果。从这些事件中我们也可以看出，事件发生虽然具有突发性或偶然性的特点，但是同时还伴有涉事人员的异常行为等特征。因此对涉事人员的异常行为有必要进行深入研究，特别是对事件发生的相关现场视频、图像等进行记录和分析，并对相近的、类似的行为进行识别和判断，以便在后续将要发生类似行为或事件时能够防患于未然，使事件得到及时控制和处置，从而避免类似事件的重演和再现。
    目前，对突发异常行为事件的监控及其相关研究越来越倾向于通过在已知或已获取的视频和图像数据分析的基础上，对实时发生的人群异常行为进行机器识别和判断。而这些针对突发异常行为事件的视频或图像数据的分析，往往基于对人群异常行为图像的处理与分析研究的基础上，因此人群异常行为图像研究对公共领域人流密集、管控场所，如轨道交通客流运输、航空客流运输、城市公交客流运输等突发异常事件的分析、识别和预测具有愈来愈重要的作用和应用价值。近年来，对公共区域内的人群异常行为研究和判断识别日益得到关注，特别是随着城市轨道交通的快速发展，该研究越来越受到政府、学者、社会公众的重视，成为研究的热点。
    当前，视频监控体系的建立已成为我国社会安全体系建设的一个重要组成部分。而视频监控系统作为轨道交通运输领域安全防治的一个重要手段，也发挥着无可替代的作用。随着这些视频监控系统的应用和发展，大量的视频图像数据需要存储、处理和分析，尤其是引发安全问题和安全隐患的异常行为事件视频和图像数据，这些数据对于事件发生、事件过程、事后分析以及日后防控防治等都具有重要的研究意义和应用价值。
    有鉴于此，我们针对轨道交通行业存在的人群异常行为图像研究需要，对人群异常行为图像研究的相关技术和内容如图像预处理、图像增强、图像分割、图像识别等进行了介绍和探讨，为轨道交通领域中的人群异常行为图像分析和识别提供可以借鉴的方法和技术。
    本书内容共有5章。第1章主要阐述了人群异常行为图像研究背景与意义，包含人群异常行为图像研究背景、意义、现状、研究内容以及思路和方法；第2章介绍了人群异常行为图像的常用预处理方法，包括色彩空间模型及不同空间模型间的转换、直方图分析、图像运算、图像中图形标示、数据封装等内容；第3章主要对人群异常行为图像增强技术进行讨论，包括灰度变换、中值滤波、同态滤波、形态学方法等；第4章对人群异常行为图像分割技术进行分析，包含阈值分割、基于微分算子的边缘检测、基于聚类分析的图像分割方法、基于分水岭算法的图像分割方法，以及基于多尺度小波分析的图像分割方法；第5章对模板匹配技术、形状识别技术、骨架提取技术、机器学习技术、深度学习技术等进行了介绍。
    本著作获得2017年广东省重点平台和重大科研项目特色创新类项目（自然科学）“基于视频图像分析的地铁人群异常行为识别关键技术研究（2017GKTSCX053）”的资金资助出版，是该课题项目的研究成果。
    本书的宗旨是根据轨道交通领域对安全运输的需要，服务于轨道交通行业对人群异常行为图像分析的需求。同时也为图像分析爱好者、研究人员以及学生提供参考。由于印刷成本的原因，书中彩色图像均为黑白印刷，为方便读者阅读此书，特将书中涉及的图像放入下面二维码中，请读者扫描获取。
    本书撰写过程中，得到了广州铁路职业技术学院张杨博士、霍睿老师的支持和帮助，在此表示感谢。
    由于作者水平有限，时间仓促，书中难免存在不妥与疏漏之处，敬请批评指正。



    刘国成
    2018年4月    ...查看更多
  1. 目  录
    第1章  人群异常行为图像研究背景与意义
    1.1  人群异常行为图像研究背景 2
    1.1.1  我国轨道交通客流运输的发展现状 5
    1.1.2  我国轨道交通客流运输面临的安全问题 7
    1.2  人群异常行为图像研究的意义 11<br/>1.3  人群异常行为图像研究现状 15
    1.4  人群异常行为图像研究内容 18
    1.4.1  人群流量统计技术 18
    1.4.2  人群聚集检测技术 19
    1.4.3  人群散逃检测技术 20
    1.4.4  人群密度检测技术 20
    1.4.5  人员打架检测技术 21
    1.4.6  人员倒地检测技术 22
    1.4.7  人员徘徊检测技术 22
    1.4.8  快速奔跑检测技术 23
    1.4.9  不文明行为检测技术 23
    1.4.10  吸烟点火检测技术 24
    1.4.11  异常跨线检测技术 24
    1.4.12  人员区域入侵技术 25
    1.4.13  人员翻越检测技术 25
    1.4.14  人员图像追踪技术 26
    1.4.15  人群人脸抓拍技术 27
    1.4.16  人群人脸识别技术 27
    1.4.17  遗留物检测技术 28
    1.4.18  物体丢失检测技术 29
    1.5  人群异常行为图像研究思路和方法 29
    1.5.1  人群异常行为图像研究的思路 30
    1.5.2  人群异常行为图像研究的方法 32
    第2章  人群异常行为图像预处理方法 
    2.1  图像色彩空间转换 38
    2.1.1  色彩空间模型技术 38
    2.1.2  色彩空间模型的变换 50
    2.1.3  色彩空间变换的应用 54
    2.2  图像直方图分析 60
    2.2.1图像直方图原理 60
    2.2.2  图像直方图的绘制 61
    2.2.3  图像直方图的应用 64
    2.3  图像运算处理 68
    2.3.1  图像点运算 69
    2.3.2  图像算术运算 70
    2.3.3  图像几何运算 77
    2.3.4  图像逻辑运算 85
    2.4  图像中图形绘制与标示 90
    2.4.1  在图像中绘制直线 90
    2.4.2  在图像中绘制矩形 92
    2.4.3  在图像中绘制圆形 94
    2.4.4  在图像中绘制椭圆 95
    2.5  图像数据三维封装 97
    第3章  人群异常行为图像增强技术
    3.1  灰度变换技术及方法 102
    3.1.1  灰度变换技术 102
    3.1.2  灰度变换方法 105
    3.2  中值滤波技术及方法 110
    3.2.1  中值滤波原理 110
    3.2.2  中值滤波方法 111
    3.2.3  一种自适应中值滤波处理方法 112
    3.3  同态滤波技术及方法 115
    3.3.1  同态滤波原理 115
    3.3.2  同态滤波处理方法 116
    3.3.3  同态滤波的应用 117
    3.4  形态学技术及方法 120
    3.4.1  形态学方法 120
    3.4.2  形态学应用 129
    第4章  人群异常行为图像分割技术
    4.1  阈值分割技术及方法 134
    4.1.1  阈值分割原理 134
    4.1.2  阈值分割方法 135
    4.2  基于微分算子的边缘检测技术 147
    4.2.1  边缘检测原理 147
    4.2.2  边缘检测方法 148
    4.3  基于聚类分析的图像分割方法 160
    4.3.1  K-means聚类分析算法基本思想 161
    4.3.2  一种基于K-means聚类分析的图像分割算法 162
    4.4  基于分水岭算法的图像分割方法 165
    4.4.1  基于分水岭算法的图像分割原理 165
    4.4.2  基于标记的分水岭图像分割方法 167
    4.4.3  基于分水岭的图像分割方法应用 168
    4.5  基于多尺度小波分析的图像分割方法 170
    4.5.1  多尺度小波分析技术 170
    4.5.2  基于多尺度小波分析的图像分割方法 172
    4.5.3  一种基于多尺度小波分析的图像分割算法 174
    第5章  人群异常行为图像识别技术
    5.1  模板匹配技术 178
    5.1.1  图像模板匹配原理 178
    5.1.2  图像模板匹配方法 179
    5.1.3  图像模板匹配的应用 181
    5.2  形状识别技术 182
    5.2.1  直线检测 182
    5.2.2  圆形检测 184
    5.2.3  椭圆检测 186
    5.2.4  轮廓提取 187
    5.3  骨架提取技术 188
    5.3.1  骨架提取技术 189
    5.3.2  骨架提取方法 189
    5.3.3  骨架提取的应用 190
    5.4  机器学习技术 192
    5.4.1  机器学习技术 192
    5.4.2  基于机器学习的人脸识别 193
    5.5  深度学习技术 197
    5.5.1  深度学习技术介绍 197
    5.5.2  深度学习框架 197
    5.5.3  基于深度学习的图像识别 199
    参考文献 202    ...查看更多
  2. 刘国成：广州铁路职业技术学院副教授，2006年9月至2008年1月先后在广东化工制药职业技术学院，广州工程职业技术学院，广州大学纺织服装学院任兼职计算机教师

评论

0/500