了得網自然科學_復雜場景下人體動作識

內容簡介

劉長紅所著《復雜場景下人體動作識別》在對人體動作識別與行為理解學習研究的基礎上，從實際應用角度出發編寫而成。全書共7章，重點闡述在現實復雜場景(如人體表觀變化、雜亂背景和視角變化等) 下的人體動作識別技術和方法。第l章介紹人體動作識別的意義、典型應用和難點問題；第2章主要對人體動作識別研究現狀進行介紹；第3章論述在雜亂背景和攝像機移動場景下的時空興趣點檢測方法；第4 章介紹基於視頻抖動檢測算法的混合時空興趣點檢測；第5章介紹基於稀疏編碼的時空金字塔匹配的人體動作識別方法；第6章介紹視角無關的人體動作識別方法；第7章介紹復雜場景下魯棒的人體動作分類方法。

本書主要供圖像處理與模式識別、計算機科學與技術、控制科學與工程、信息與通信工程等學科領域的研究人員、研究生以及工程技術人員參考使用。

作者簡介

劉長紅，博士，主要研究方向為圖像處理與模式識別、計算機視覺、機器學習等；在重要學術刊物上發表論文9篇，其中E1收錄3篇；主持完成江西省教育廳科學技術研究項目l項、江西師範大學青年成長基金項目1項和博士啟動基金l項，目前主持承擔江西省教育廳科學技術研究項目1項，參與國家自然科學基金項目3項；近年來負責研發智能視頻分析繫統、智能交通監控繫統、車牌識別以及視頻質量診斷繫統等項目。

第1章引言
1.1應用背景
1.1.1視頻標注與檢索
1.1.2智能視頻監控
1.1.3人機交互
1.2研究的難點
1.3研究內容和結構安排
1.3.1研究內容及工作進展
1.3.2結構安排
第2章人體動作識別的相關綜述
2.1視頻圖像表示
2.1.1全局表示
2.1.2局部表示
2.2人體動作建模與分類第1章引言

1.1應用背景

1.1.1視頻標注與檢索

1.1.2智能視頻監控

1.1.3人機交互

1.2研究的難點

1.3研究內容和結構安排

1.3.1研究內容及工作進展

1.3.2結構安排

第2章人體動作識別的相關綜述

2.1視頻圖像表示

2.1.1全局表示

2.1.2局部表示

2.2人體動作建模與分類

2.2.1維數約簡

2.2.2直接分類

2.2.3狀態空間模型方法

2.3方法的特點

2.4本章小結

第3章雜亂背景和攝像機移動下的時空興趣點檢測方法

3.1引言

3.2非線性各向異性擴散濾波器及分析

3.2.1Perona—Malik擴散模型

3.2.2非線性各向異性擴散濾波

3.3雜亂背景和攝像機移動下的時空興趣點檢測

3.3.1基於非線性各向異性擴散濾波的時空興趣點檢測算法

3.3.2計算方法

3.4實驗與分析

3.4.1實驗數據集和實驗設置

3.4.2攝像機輕微晃動下的時空興趣點檢測方法比較

3.4.3雜亂背景和攝像機快速運動下的時空興趣點檢測方法比較

3.4.4計算復雜度分析

3.5本章小結

第4章改進的視頻抖動自適應的時空興趣點檢測方法

4.1引言

4.2視頻抖動檢測算法

4.2.1視頻畫面抖動檢測算法

4.2.2金字塔Lucas—Kanade稀疏光流特征

4.2.3稀疏光流的前一後向誤差估計

4.2.4基於光流運動熵的視頻畫面抖動檢測算法

4.3基於視頻抖動檢測算法的混合時空興趣點檢測

4.4實驗與分析

4.4.1實驗數據集和實驗設置

4.4.2視頻抖動檢測驗證

4.4.3靜態背景下的時空興趣點檢測方法比較

4.4.4攝像機輕微晃動下的時空興趣點檢測方法比較

4.4.5雜亂背景和攝像機快速運動下的時空興趣點檢測方法比較

4.5本章小結

第5章基於稀疏編碼的時空金字塔匹配的人體動作識別

5.1引言

5.2稀疏編碼

5.2.1數學描述

5.2.2稀疏編碼算法

5.3基於BoF的人體動作識別框架

5.4基於稀疏編碼的人體動作識別方法

5.4.1特征檢測和表示

5.4.2基於稀疏編碼的碼書學習

5.4.3基於max pooling的人體動作描述子

5.5基於稀疏編碼的時空金字塔匹配

5.5.1時空金字塔匹配

5.5.2基於max pooIing的時空金字塔匹配

5.6實驗與分析

5.6.1實驗設置

5.6.2KTH數據集上的實驗

5.6.3YouTube數據集上的實驗

5.7本章小結

第6章視角無關的人體動作識別的研究

6.1引言

6.2視角無關的人體動作識別的研究現狀

6.3線性動態繫統

6.3.1模型參數估計

6.3.2距離度量

6.4基於線性動態繫統的視角無關的人體動作識別

6.4.1基於LDSs模型參數的局部描述子

6.4.2模型參數空間中的碼書學習

6.4.3動作描述子計算

6.5實驗與分析

6.5.1數據集與實驗設置

6.5.2單／多目識別

6.5.3交叉視角的識別

6.5.4基於BoF的視角無關的動作識別方法比較

6.6本章小結

第7章復雜場景下魯棒的人體動作分類方法

7.1引言

7.2超完備基的圖像稀疏表示

7.3基於稀疏表示的人體動作分類算法

7.3.1人體動作的稀疏表示

7.3.2基於l1小化的稀疏表示求解方法

7.3.3l1小化優化算法

7.3.4分類方法

7.4在噪聲、干擾、遮擋情況下的人體動作分類算法

7.5實驗與分析

7.5.1基於l1與l2小化算法的比較

7.5.2分類方法SR與SVM、K—NN的比較

7.5.3魯棒性測試

7.6本章小結

參考文獻

名詞索引

商品搜索

商品分类

【醫學】

【各大出版社】