视频分析与机器学习（Video Analytics and Machine Learning）
尝试在这里记录这门课的学习，原创，转载需告知
首先这是一个目录，记录了框架
1.视频监控与计算机视觉概论
第一部分：图像和视频处理
2.图像和视频的采集及其特征
3.数据预处理：点操作
- 亮度增强（Brightness enhancement）
- 对比度增强（Contrast enhancement）
4.数据预处理：相邻操作
- 过滤和降噪（Filtering and Noise reduction）
- 卷积（Convolution）
5.图像
- 亮度细分（Brightness segmentation）
- 模板匹配（Template Matching）
6.视频：运动估计
- 背景消除（Background Subtraction）
- 背景混合模型（Background Mixture Models）
- 光学流（Optical Flow）
7.视频：跟踪
- 卡尔曼滤波（Kalman Filter）
- 离子过滤器（Particle Filter）
- 监测跟踪（Tracking by Detection）
第二部分：机器学习与模式识别
8.机器学习Ⅰ
- 问题类型：验证，检测，识别（Verification，Detection， Identification）
- 邻近取样分类器（Nearest Neighbour Classifier）
- 线性判别（Linear Discriminants）
- 支持矢量机（SVM）
- 准确提高（Boosting）
- 随机森林（Random Forest）
- 神经网络（Neural Networks）
- 深度学习简介（Intro to Deep Learning）
9.特征提取Ⅰ
- 简单的特征（Simple Features）
- 色彩提取和直方图（Colour Extraction and Histograms）
- 边缘提取（Edge extraction）
- 矩形滤波器（Rectangular Filters）
- 尺度不变特征变换（SIFT）
- 方向梯度直方图（HOG）
- 词袋模型（Bag of Words）
10.自动特征提取Ⅰ
- 降维（Dimensionality reduction）
- 主成分分析法（PCA）
- 线性判别分析（LDA）
- 主动形状模型（ASM，Active Shape Models）
- 主动外观模型（AAM，Active Appearance Models）
11.评价
- 评估指标（Evaluation Metrics）
- 实验设置（Evaluation Metrics）