掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
運動人體行為語義計算技術(shù) 版權(quán)信息
- ISBN：9787569024548
- 條形碼：9787569024548 ; 978-7-5690-2454-8
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
運動人體行為語義計算技術(shù) 內(nèi)容簡介
《運動人體行為語義計算技術(shù)》主要介紹了運動人體行為的語義計算方法，包括：基于Beowulf機群中改進的粒子濾波的3D人體運動跟蹤算法；基于四層樹狀語義模型的場景語義識別新方法；人體身份識別的認知物理學(xué)方法；基于層次化概念空間的視頻圖像中人體行為語義計算新方法。基于視覺的運動人體的行為識別有著廣泛的應(yīng)用前景，但大量成果都集中在模版匹配法、狀態(tài)空間法。這兩種識別結(jié)果與人類的理解存在語義鴻溝，基于語義方法可以克服這個缺陷成果卻很少。
運動人體行為語義計算技術(shù) 目錄
第1章 概論
1．1 研究意義
1．2 研究現(xiàn)狀
1．3 研究目的與研究內(nèi)容
1．3．1 研究目的
1．3．2 研究內(nèi)容
1．4 運動人體行為語義計算關(guān)鍵技術(shù)相關(guān)研究綜述
1．4．1 語義及語義計算的定義
1．4．2 三維人體運動跟蹤技術(shù)發(fā)展概述
1．4．3 場景語義提取與場景分類技術(shù)發(fā)展概述
1．4．4 視頻中運動人體身份識別技術(shù)發(fā)展概述
1．4．5 基于語義的運動人體行為識別發(fā)展概述
1．5 運動人體行為語義計算關(guān)鍵技術(shù)的發(fā)展趨勢
1．5．1 三維人體運動跟蹤發(fā)展的趨勢
1．5．2 運動人體身份識別的發(fā)展趨勢
1．5．3 場景語義識別發(fā)展的趨勢
1．5．4 運動人體行為語義計算方法發(fā)展的趨勢
第2章 基于Beowulf機群中改進粒子濾波的三維人體運動跟蹤方法
2．1 引言
2．2 方案總體設(shè)計
2．3 三維人體骨骼模型的引入
2．4 三維人體模型參數(shù)的自動初始化
2．4．1 人體關(guān)節(jié)點的自動標注方法
2．4．2 人體關(guān)節(jié)三維坐標及旋轉(zhuǎn)角度計算方法
2．5 人體視頻圖像特征提取的具體實現(xiàn)
2．5．1 運動人體輪廓提取方法
2．5．2 運動人體區(qū)域灰度和顏色提取方法
2．6 基于Beowulf機群中改進的粒子濾波算法的具體實現(xiàn)
2．6．1 經(jīng)典串行粒子濾波算法運動人體跟蹤的實現(xiàn)方法
2．6．2 跟蹤模板與粒子數(shù)目的調(diào)整及跟蹤失效恢復(fù)方法
2．6．3 Beowulf機群中單目標跟蹤的遷移式粒子濾波并行算法
2．6．4 Beowulf機群中多目標跟蹤并行粒子濾波算法實現(xiàn)方法
2．7 節(jié)點任務(wù)調(diào)度與通信策略
2．8 粒子濾波串行與并行算法時間復(fù)雜度對比理論分析
2．9 Beowulf機群中三維人體運動粒子濾波跟蹤及對比實驗
2．9．1 實驗環(huán)境的搭建
2．9．2 單人體運動跟蹤實驗及實驗結(jié)果
2．9．3 多人體運動跟蹤實驗及實驗結(jié)果
2．9．4 對比實驗的前提條件設(shè)計
2．9．5 跟蹤失效對比實驗與分析
2．9．6 跟蹤計算時間對比實驗
2．9．7 跟蹤時間對比實驗結(jié)果分析
2．10 本章結(jié)論
第3章 基于四層樹狀語義模型的場景語義識別方法
3．1 引言
3．2 場景語義識別方法的技術(shù)路線
3．3 基于圖論改進的圖像分割方法
3．3．1 基于圖論閾值圖像分割方法的基本原理
3．3．2 閾值圖像分割權(quán)值操作的自動調(diào)整方法
3．4 四層樹狀語義模型的引入
3．4．1 視覺詞包模型的基本概念
3．4．2 四層樹狀語義模型的結(jié)構(gòu)
3．5 四層樹狀語義模型視覺層的構(gòu)建方法
3．5．1 圖像顏色直方圖的提取方法
3．5．2 顏色空間的量化與顏色特征提取
3．5．3 顏色層次圖的提取方法
3．5．4 顏色及顏色層次特征與輪廓特征融合
3．6 四層樹狀語義模型概念層的生成
3．7 四層樹狀語義模型關(guān)系層的構(gòu)建
3．7．1 場景對象空間位置關(guān)系的語義描述方法
3．7．2 場景對象空間位置關(guān)系關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘
3．8 四層樹狀語義模型語義層的描述方法
3．8．1 高層潛在語義計算方法
3．8．2 語義層的語法生成規(guī)則
3．9 四層場景語義樹分類模型的構(gòu)建算法
3．10 測試圖像與分類模型語義相似性計算方法
3．10．1 語義特征的獲取
3．10．2 語義相似性計算方法
3．11 實驗與實驗分析
3．11．1 功能驗證實驗與分析
3．11．2 對比實驗與分析
3．12 本章結(jié)論
第4章 視頻中運動人體身份識別的認知物理學(xué)方法
4．1 引言
4．2 運動人體身份識別認知物理學(xué)方法實現(xiàn)流程
4．3 數(shù)據(jù)場的引入
4．3．1 數(shù)據(jù)場勢值和場強矢量的引入
4．3．2 數(shù)據(jù)場中影響因子的優(yōu)選方法
4．4 基于數(shù)據(jù)場的人臉信息表征
4．5 基于數(shù)據(jù)場的步態(tài)信息表征
4．5．1 運動人體步態(tài)輪廓特征提取
4．5．2 運動人體下肢關(guān)節(jié)步態(tài)特征提取
4．5．3 運動人體步態(tài)特征的數(shù)據(jù)場描述
4．6 步態(tài)數(shù)據(jù)庫樣本中人臉區(qū)域的提取方法
4．7 運動人體身份識別的具體實現(xiàn)
4．7．1 基于力學(xué)和動力學(xué)原理的數(shù)據(jù)非線性降維
4．7．2 基于數(shù)據(jù)場樣本庫人的身份自動識別算法
4．7．3 基于數(shù)據(jù)場樣本庫人的身份自動識別算法的時間復(fù)雜度分析
4．7．4 D～S證據(jù)論的引入與改進
4．8 實驗及對比分析
4．8．1 功能驗證實驗
4．8．2 對比實驗與分析
4．9 本章結(jié)論
第5章 視頻場景中運動人體時空關(guān)系的自然語言描述方法
5．1 引言
5．2 13元組運動人體時空描述模型的引人
5．3 關(guān)鍵幀的提取方法
5．4 參照物與運動人體距離關(guān)系自然語言描述
5．5 場景中運動人體時空關(guān)系的自然語言描述語法規(guī)則
5．6 實驗及實驗分析
5．6．1 實驗流程設(shè)計
5．6．2 人工圖形序列實驗
5．6．3 視頻序列實驗
5．7 本章結(jié)論
第6章 基于層次化概念空間的運動人體行為語義計算方法
6．1 引言
6．2 運動人體行為語義計算的處理框架的引人
6．3 基于混合云模型的概念空間建立方法
6．3．1 概念空間理論概述
6．3．2 基于混合云模型概念空間的定義
6．3．3 混合云模型概念空間的建立流程
6．4 原子運動概念空間層的建立方法
6．4．1 人體運動樣本的選擇
6．4．2 運動概念空間建立性質(zhì)維的選擇
6．4．3 身體姿態(tài)原子運動概念空間的建立及概念激活方法
6．4．4 肢體的原子運動概念空間的建立及概念激活方法
6．5 簡單行為概念層的建立方法
6．5．1 時間邏輯關(guān)系的引入
6．5．2 空間邏輯關(guān)系的引入
6．5．3 簡單行為的建模方法
6．6 簡單人體運動行為語義計算方法
6．6．1 簡單人體運動行為知識庫的建立方法
6．6．2 簡單行為語義計算流程
6．7 事件行為概念層的建立與語義計算方法
6．7．1 事件行為概念空間的建模
6．7．2 事件行為概念場景語義的具體描述
6．7．3 事件行為概念人物元組的具體描述
6．7．4 事件行為因果關(guān)系推理方法
6．8 運動人體行為語義解釋的自然語言規(guī)則
6．9 實驗及實驗分析
6．9．1 功能性驗證實驗流程和實驗環(huán)境搭建
6．9．2 簡單人體運動行為知識庫建立實驗
6．9．3 簡單人體運動行為語義計算實驗
6．9．4 事件人體運動行為語義計算實驗
6．9．5 對比實驗的實驗平臺搭建
6．9．6 對比實驗結(jié)果與討論
6．10 本章結(jié)論
第7章 總結(jié)與展望
7．1 研究總結(jié)
7．2 研究展望
參考文獻
1．1 研究意義
1．2 研究現(xiàn)狀
1．3 研究目的與研究內(nèi)容
1．3．1 研究目的
1．3．2 研究內(nèi)容
1．4 運動人體行為語義計算關(guān)鍵技術(shù)相關(guān)研究綜述
1．4．1 語義及語義計算的定義
1．4．2 三維人體運動跟蹤技術(shù)發(fā)展概述
1．4．3 場景語義提取與場景分類技術(shù)發(fā)展概述
1．4．4 視頻中運動人體身份識別技術(shù)發(fā)展概述
1．4．5 基于語義的運動人體行為識別發(fā)展概述
1．5 運動人體行為語義計算關(guān)鍵技術(shù)的發(fā)展趨勢
1．5．1 三維人體運動跟蹤發(fā)展的趨勢
1．5．2 運動人體身份識別的發(fā)展趨勢
1．5．3 場景語義識別發(fā)展的趨勢
1．5．4 運動人體行為語義計算方法發(fā)展的趨勢
第2章 基于Beowulf機群中改進粒子濾波的三維人體運動跟蹤方法
2．1 引言
2．2 方案總體設(shè)計
2．3 三維人體骨骼模型的引入
2．4 三維人體模型參數(shù)的自動初始化
2．4．1 人體關(guān)節(jié)點的自動標注方法
2．4．2 人體關(guān)節(jié)三維坐標及旋轉(zhuǎn)角度計算方法
2．5 人體視頻圖像特征提取的具體實現(xiàn)
2．5．1 運動人體輪廓提取方法
2．5．2 運動人體區(qū)域灰度和顏色提取方法
2．6 基于Beowulf機群中改進的粒子濾波算法的具體實現(xiàn)
2．6．1 經(jīng)典串行粒子濾波算法運動人體跟蹤的實現(xiàn)方法
2．6．2 跟蹤模板與粒子數(shù)目的調(diào)整及跟蹤失效恢復(fù)方法
2．6．3 Beowulf機群中單目標跟蹤的遷移式粒子濾波并行算法
2．6．4 Beowulf機群中多目標跟蹤并行粒子濾波算法實現(xiàn)方法
2．7 節(jié)點任務(wù)調(diào)度與通信策略
2．8 粒子濾波串行與并行算法時間復(fù)雜度對比理論分析
2．9 Beowulf機群中三維人體運動粒子濾波跟蹤及對比實驗
2．9．1 實驗環(huán)境的搭建
2．9．2 單人體運動跟蹤實驗及實驗結(jié)果
2．9．3 多人體運動跟蹤實驗及實驗結(jié)果
2．9．4 對比實驗的前提條件設(shè)計
2．9．5 跟蹤失效對比實驗與分析
2．9．6 跟蹤計算時間對比實驗
2．9．7 跟蹤時間對比實驗結(jié)果分析
2．10 本章結(jié)論
第3章 基于四層樹狀語義模型的場景語義識別方法
3．1 引言
3．2 場景語義識別方法的技術(shù)路線
3．3 基于圖論改進的圖像分割方法
3．3．1 基于圖論閾值圖像分割方法的基本原理
3．3．2 閾值圖像分割權(quán)值操作的自動調(diào)整方法
3．4 四層樹狀語義模型的引入
3．4．1 視覺詞包模型的基本概念
3．4．2 四層樹狀語義模型的結(jié)構(gòu)
3．5 四層樹狀語義模型視覺層的構(gòu)建方法
3．5．1 圖像顏色直方圖的提取方法
3．5．2 顏色空間的量化與顏色特征提取
3．5．3 顏色層次圖的提取方法
3．5．4 顏色及顏色層次特征與輪廓特征融合
3．6 四層樹狀語義模型概念層的生成
3．7 四層樹狀語義模型關(guān)系層的構(gòu)建
3．7．1 場景對象空間位置關(guān)系的語義描述方法
3．7．2 場景對象空間位置關(guān)系關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘
3．8 四層樹狀語義模型語義層的描述方法
3．8．1 高層潛在語義計算方法
3．8．2 語義層的語法生成規(guī)則
3．9 四層場景語義樹分類模型的構(gòu)建算法
3．10 測試圖像與分類模型語義相似性計算方法
3．10．1 語義特征的獲取
3．10．2 語義相似性計算方法
3．11 實驗與實驗分析
3．11．1 功能驗證實驗與分析
3．11．2 對比實驗與分析
3．12 本章結(jié)論
第4章 視頻中運動人體身份識別的認知物理學(xué)方法
4．1 引言
4．2 運動人體身份識別認知物理學(xué)方法實現(xiàn)流程
4．3 數(shù)據(jù)場的引入
4．3．1 數(shù)據(jù)場勢值和場強矢量的引入
4．3．2 數(shù)據(jù)場中影響因子的優(yōu)選方法
4．4 基于數(shù)據(jù)場的人臉信息表征
4．5 基于數(shù)據(jù)場的步態(tài)信息表征
4．5．1 運動人體步態(tài)輪廓特征提取
4．5．2 運動人體下肢關(guān)節(jié)步態(tài)特征提取
4．5．3 運動人體步態(tài)特征的數(shù)據(jù)場描述
4．6 步態(tài)數(shù)據(jù)庫樣本中人臉區(qū)域的提取方法
4．7 運動人體身份識別的具體實現(xiàn)
4．7．1 基于力學(xué)和動力學(xué)原理的數(shù)據(jù)非線性降維
4．7．2 基于數(shù)據(jù)場樣本庫人的身份自動識別算法
4．7．3 基于數(shù)據(jù)場樣本庫人的身份自動識別算法的時間復(fù)雜度分析
4．7．4 D～S證據(jù)論的引入與改進
4．8 實驗及對比分析
4．8．1 功能驗證實驗
4．8．2 對比實驗與分析
4．9 本章結(jié)論
第5章 視頻場景中運動人體時空關(guān)系的自然語言描述方法
5．1 引言
5．2 13元組運動人體時空描述模型的引人
5．3 關(guān)鍵幀的提取方法
5．4 參照物與運動人體距離關(guān)系自然語言描述
5．5 場景中運動人體時空關(guān)系的自然語言描述語法規(guī)則
5．6 實驗及實驗分析
5．6．1 實驗流程設(shè)計
5．6．2 人工圖形序列實驗
5．6．3 視頻序列實驗
5．7 本章結(jié)論
第6章 基于層次化概念空間的運動人體行為語義計算方法
6．1 引言
6．2 運動人體行為語義計算的處理框架的引人
6．3 基于混合云模型的概念空間建立方法
6．3．1 概念空間理論概述
6．3．2 基于混合云模型概念空間的定義
6．3．3 混合云模型概念空間的建立流程
6．4 原子運動概念空間層的建立方法
6．4．1 人體運動樣本的選擇
6．4．2 運動概念空間建立性質(zhì)維的選擇
6．4．3 身體姿態(tài)原子運動概念空間的建立及概念激活方法
6．4．4 肢體的原子運動概念空間的建立及概念激活方法
6．5 簡單行為概念層的建立方法
6．5．1 時間邏輯關(guān)系的引入
6．5．2 空間邏輯關(guān)系的引入
6．5．3 簡單行為的建模方法
6．6 簡單人體運動行為語義計算方法
6．6．1 簡單人體運動行為知識庫的建立方法
6．6．2 簡單行為語義計算流程
6．7 事件行為概念層的建立與語義計算方法
6．7．1 事件行為概念空間的建模
6．7．2 事件行為概念場景語義的具體描述
6．7．3 事件行為概念人物元組的具體描述
6．7．4 事件行為因果關(guān)系推理方法
6．8 運動人體行為語義解釋的自然語言規(guī)則
6．9 實驗及實驗分析
6．9．1 功能性驗證實驗流程和實驗環(huán)境搭建
6．9．2 簡單人體運動行為知識庫建立實驗
6．9．3 簡單人體運動行為語義計算實驗
6．9．4 事件人體運動行為語義計算實驗
6．9．5 對比實驗的實驗平臺搭建
6．9．6 對比實驗結(jié)果與討論
6．10 本章結(jié)論
第7章 總結(jié)與展望
7．1 研究總結(jié)
7．2 研究展望
參考文獻
展開全部
運動人體行為語義計算技術(shù) 作者簡介
李敏，男，教授，中國工程物理研究院無線電專業(yè)博士畢業(yè)，綿陽師范學(xué)院信息工程學(xué)院副院長，網(wǎng)絡(luò)空間安全學(xué)院副院長（兼）。綿陽師范學(xué)院2015年、2016年信息技術(shù)國培首席專家，2016年度民族地區(qū)中小學(xué)教師信息技術(shù)應(yīng)用能力培訓(xùn)f項目首席專家。先后獲得綿陽師范學(xué)院2007年青年教師課堂技能大賽一等獎，四第二屆高校青年教師教學(xué)競賽優(yōu)秀獎。主要研究方向：人工智能、信息安全算法。近5年參與國家科研課題2項，主持省級科研課題5項，主持橫向科研課題3項，主持省部級教改課題3項。先后在國外期刊發(fā)表學(xué)術(shù)論文5篇（EI收錄4篇），在國內(nèi)核心期刊發(fā)表學(xué)術(shù)論文6篇。主講“操作系統(tǒng)”“算法分析”“單片機原理”“大型程序設(shè)計”等本科課程和“人工智能“研究生課程。
書友推薦
- >
朝聞道
- >
詩經(jīng)-先民的歌唱
- >
巴金－再思錄
- >
推拿
- >
經(jīng)典常談
- >
月亮虎
- >
山海經(jīng)
- >
莉莉和章魚
本類暢銷
