●前言
第1章 人體目標跟蹤算法研究
1.1 研究背景和意義
1.2 人體目標跟蹤算法的研究現狀
1.2.1 人體目標跟蹤的重要組成部分
1.2.2 人體目標跟蹤算法分類
參考文獻
第2章 可變形卷積神經網絡算法跟蹤器
2.1 卷積神經網絡
2.2 可變形卷積神經網絡
2.2.1 可變形卷積的構建
2.2.2 可變形網絡理論
2.2.3 可變形網絡反向傳播
2.3 可變形卷積神經網絡算法的設計
2.3.1 MDNet跟蹤算法概述
2.3.2 DCT網絡設計
2.3.3 DCT算法軟化損失函數
2.3.4 DCT跟蹤器算法設計
2.3.5 DCT算法性能優化
2.4 本章小結
參考文獻
第3章 通道注意力形變算法跟蹤器
3.1 注意力基礎知識
3.2 通道注意力形變網絡設計
3.2.1 CDCT的組歸一化
3.2.2 通道注意力形變模塊設計
3.2.3 CDCT跟蹤算法設計
3.3 跟蹤器性能比較
3.3.1 CDCT性能對比
3.3.2 對比實驗
3.4 本章小結
參考文獻
第4章 3D骨架朝向數據的幾何代數表示與集成方法研究
4.1 3D骨架朝向數據應用
4.2 骨架數據獲取方法
4.2.1 直接獲取3D骨架數據
4.2.2 3D姿態估計和骨架構造
4.3 信息表達
4.3.1 關於關節位移的表征
4.3.2 基於關節方向的表征
4.3.3 基於原始關節位置的表征
4.3.4 多模態表征
4.3.5 小結
4.4 表征編碼
4.4.1 基於連接的編碼
4.4.2 基於統計的編碼
4.4.3 基於詞袋的編碼
4.4.4 小結
4.5 結構和拓撲變換
4.5.1 基於低級特征的表征
4.5.2 基於身體部位模型的表征
4.5.3 基於流行的表征
4.5.4 小結
參考文獻
第5章 幾何代數基礎
5.1 幾何代數
5.2 外積
5.3 內積
5.4 幾何積
5.5 逆運算和倒運算
5.6 叉積
5.7 反射和旋轉
5.7.1 反射
5.7.2 旋轉
5.8 本章小結
參考文獻
第6章 基於幾何代數的人體姿態朝向描述符及集成動作分類算法介紹
6.1 人體的姿態描述與內在關繫
6.2 基於幾何代數的人體姿態朝向描述符
6.2.1 基於幾何代數的人體關節旋轉描述
6.2.2 基於幾何代數的人體關節角度描述
6.3 基於幾何代數的人體姿態朝向表征及集成動作分類方法
6.3.1 基於幾何代數的人體姿態朝向表征
6.3.2 集成動作分類方法
6.4 線性及非線性GA-SVM
6.4.1 線性GA-SVM
6.4.2 非線性GA-SVM
6.5 本章小結
參考文獻
第7章 基於幾何代數的人體姿態朝向表征算法分析、驗證及應用
7.1 基於KinectV2骨骼朝向數據集
7.2 在數據集SZU-3D-SOEARD上的表征和分類算法分析、驗證
7.3 在數據集SYSU-3D-HOI上的表征和分類算法分析、驗證
7.4 基於單幀人體姿態朝向表征的在線實時姿態校準繫統
7.5 本章小結
參考文獻
第8章 基於運動目標的光流信息以及光流網絡介紹
8.1 光流法的基本概念
8.2 L-K光流法及改進算法
8.2.1 L-K光流算法
8.2.2 L-K金字塔光流算法
8.3 光流網絡的分類
8.3.1 光流卷積網絡FlowNet
8.3.2 光流卷積網絡FlowNet 2.0
8.3.3 光流網絡TV-Net
8.4 本章小結
參考文獻
第9章 基於光流法的抗魯棒跟蹤算法
9.1 CMT跟蹤算法詳解
……
