序言






1 定義和*能測(cè)度






1.1 什么是自動(dòng)目標(biāo)識(shí)別






1.2 基本定義






1.3 探測(cè)準(zhǔn)則






1.4 目標(biāo)探測(cè)的*能測(cè)度






1.4.1 Truth歸一化測(cè)度






1.4.2 報(bào)告歸一化測(cè)度






1.4.3 接收機(jī)工作特*曲線






1.4.4 Pd—虛警率曲線






1.4.5 Pd—列表長(zhǎng)度






1.4.6 可能進(jìn)入探測(cè)方程的**因素






1.4.7 導(dǎo)彈術(shù)語(yǔ)






1.4.8 雜波水平






1.5 什么是自動(dòng)目標(biāo)識(shí)別？






1.5.1 物體的分類






1.5.2 混淆矩陣






1.5.3 源于概率和統(tǒng)計(jì)的某些常用的術(shù)語(yǔ)






1.6 試驗(yàn)設(shè)計(jì)






1.6.1
測(cè)試策劃






1.6.2
自動(dòng)目標(biāo)識(shí)別和人的客觀測(cè)試






1.7 自動(dòng)目標(biāo)識(shí)別的硬件軟件特*






參考文獻(xiàn)






2 目標(biāo)檢測(cè)策略






2.1 引言






2.1.1
什么是目標(biāo)檢測(cè)？






2.1.2
檢測(cè)方案






2.1.3
尺度伸縮






2.1.4
偏振、陰影和圖像形式






2.1.5
算法評(píng)估的方法學(xué)






2.2 簡(jiǎn)單的檢測(cè)算法






2.2.1 三窗口濾波器






2.2.2 用于一幅圖像的*設(shè)檢測(cè)






2.2.3 兩種憑經(jīng)驗(yàn)確定的方法的比較：T測(cè)試的變化






2.2.4 涉及到方差、變化和離散度的檢測(cè)






2.2.5 用于熱點(diǎn)的顯著*的檢測(cè)






2.2.6 非參數(shù)檢測(cè)






2.2.7 涉及到紋理和分形的檢測(cè)






2.2.8 涉及到亮斑邊緣強(qiáng)度的檢測(cè)






2.2.9 混合檢測(cè)






2.2.10 采用幾個(gè)內(nèi)部窗口的三窗口濾波器






2.3 更復(fù)雜的檢測(cè)器






2.3.1
神經(jīng)網(wǎng)絡(luò)檢測(cè)器






2.3.2
判別函數(shù)






2.3.3
可變形的模板






2.4 總的范式






2.4.1
幾何和人類智能






2.4.2
神經(jīng)網(wǎng)絡(luò)范式






2.4.3
在飛行中學(xué)習(xí)






2.4.4
**和處理一體化






2.4.5
Bayesian的驚奇






2.4.6 建模和仿真






2.4.7
SIFT和SURF






2.4.8
設(shè)計(jì)用于作戰(zhàn)使用場(chǎng)景的檢測(cè)器






2.5 常規(guī)的合成孔徑雷達(dá)和超光譜目標(biāo)檢測(cè)器






2.5.1 合成孔徑雷達(dá)圖像中的目標(biāo)檢測(cè)






2.5.2 超光譜圖像中的目標(biāo)檢測(cè)






2.6 結(jié)論和未來(lái)方向






參考文獻(xiàn)






附錄






3 目標(biāo)分類策略






3.1 引言






3.1.1 錯(cuò)覺和矛盾






3.2 在目標(biāo)分類中要考慮的主要問題






3.2.1
問題1：運(yùn)行使命概念方案






3.2.2
問題2：輸入和輸出






3.2.3
問題3：目標(biāo)類別






3.2.4
問題4：目標(biāo)的變化






3.2.5
問題5：平臺(tái)問題






3.2.6
問題6：在什么條件下傳感器能提供有用的數(shù)據(jù)？






3.2.7
問題7：傳感器問題






3.2.8
問題8：處理器






3.2.9
問題9：將分類結(jié)果傳遞給回路中的人






3.2.10
問題10：可行*






3.3 特征提取






3.4 特征選擇






3.5 特征類型的例子






3.5.1
有向梯度的直方圖






3.5.2
光流特征矢量的直方圖






3.6 分類器的例子






3.6.1
簡(jiǎn)單的分類器






3.6.2
基本的分類器






3.6.3
競(jìng)爭(zhēng)贏出和新流行的分類器






3.7 討論






參考文獻(xiàn)






4 自動(dòng)目標(biāo)跟蹤和自動(dòng)目標(biāo)識(shí)別的一體化






4.1 引言






4.2 跟蹤問題的類別






4.2.1 目標(biāo)的數(shù)目






4.2.2 目標(biāo)的*小<*r />




4.2.3 傳感器類型






4.2.4 目標(biāo)類型






4.3 跟蹤問題






4.3.1
點(diǎn)目標(biāo)跟蹤






4.3.2
視頻跟蹤






4.4 目標(biāo)跟蹤的擴(kuò)展






4.4.1 行動(dòng)識(shí)別






4.4.2 生活模式和取*






4.5 協(xié)同的自動(dòng)目標(biāo)跟蹤和自動(dòng)目標(biāo)識(shí)別






4.5.1
對(duì)自動(dòng)目標(biāo)識(shí)別有用的自動(dòng)目標(biāo)跟蹤數(shù)據(jù)






4.5.2
的自動(dòng)目標(biāo)跟蹤有用的自動(dòng)目標(biāo)識(shí)別數(shù)據(jù)






4.6 自動(dòng)目標(biāo)跟蹤和自動(dòng)目標(biāo)識(shí)別的一體化






4.6.1
視覺追蹤






4.6.2
蝙蝠對(duì)飛行的昆蟲的回聲定位






4.6.3
融合的自動(dòng)目標(biāo)跟蹤和自動(dòng)目標(biāo)識(shí)別






4.7 討論






參考文獻(xiàn)






5 你的自動(dòng)目標(biāo)識(shí)別器有多智能？






5.1 引言






5.2 用于確定一個(gè)自動(dòng)目標(biāo)識(shí)別的智能的測(cè)試






5.2.1
自動(dòng)目標(biāo)識(shí)別理解人的文化*？<*r />




5.2.2
自動(dòng)目標(biāo)識(shí)別可以推演一個(gè)場(chǎng)景的要點(diǎn)*？<*r />




5.2.3
自動(dòng)目標(biāo)識(shí)別理解物理學(xué)*？<*r />




5.2.4
自動(dòng)目標(biāo)識(shí)別可以參與任務(wù)前的情況介紹*？<*r />




5.2.5
自動(dòng)目標(biāo)識(shí)別能夠進(jìn)行深入的概念理解*？<*r />




5.2.6
自動(dòng)目標(biāo)識(shí)別能適應(yīng)于態(tài)勢(shì)，在飛行中學(xué)習(xí)，并做出類比*？<*r />




5.2.7
自動(dòng)目標(biāo)識(shí)別能理解交戰(zhàn)規(guī)則*？<*r />




5.2.8
自動(dòng)目標(biāo)識(shí)別能理解戰(zhàn)場(chǎng)規(guī)則和部隊(duì)結(jié)構(gòu)*？<*r />




5.2.9
自動(dòng)目標(biāo)識(shí)別能控制平臺(tái)的運(yùn)動(dòng)*？<*r />




5.2.10
自動(dòng)目標(biāo)識(shí)別可以融化寬范圍的信息源的信息*？<*r />




5.2.11
自動(dòng)目標(biāo)識(shí)別具有元認(rèn)知*？<*r />




5.3 有感知—睿智的自動(dòng)目標(biāo)識(shí)別






5.4 討論：自動(dòng)目標(biāo)識(shí)別將走向何方？






參考文獻(xiàn)






附錄1：資源






附錄2：術(shù)語(yǔ)






索引