中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
買過本商品的人還買了
人體行為識別算法研究 版權(quán)信息
- ISBN：9787509673447
- 條形碼：9787509673447 ; 978-7-5096-7344-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人體行為識別算法研究 內(nèi)容簡介
行為識別是人工智能、計算機視覺等領(lǐng)域的熱點與重點研究問題。該問題對圖像、視頻數(shù)據(jù)中的人體行為進行分析識別, 其研究成果在安全監(jiān)控、老年人和病人監(jiān)護、視頻索引與檢索、人機交互、物聯(lián)網(wǎng)等方面得到了廣泛應(yīng)用。然而, 現(xiàn)有行為識別技術(shù)對解決某些實際應(yīng)用問題卻力有不逮。為解決一些實際問題, 本書針對如下四個關(guān)于視頻中人體行為識別問題展開了研究。即, 在特定場景下, 當(dāng)某些行為的樣本極難收集時, 如何利用極少的樣本快速對特定行為進行有效識別 ; 在比較復(fù)雜但行人可檢測的場景中, 如何有效的對特定行為進行識別 ; 在比較復(fù)雜但行人可檢測的場景中, 如何快速有效的對多類行為進行識別 ; 在不能有效定位行人的復(fù)雜場景中, 如何有效的對多類行為進行識別。
人體行為識別算法研究 目錄
第1章 緒論
1．1 研究背景及意義
1．2 研究現(xiàn)狀及存在問題
1．2．1 人體行為識別概述
1．2．2 人體行為的表征方法
1．2．3 人體行為的分類方法
1．3 研究內(nèi)容及創(chuàng)新點
1．3．1 主要研究內(nèi)容
1．3．2 主要創(chuàng)新點
1．4 本書的組織結(jié)構(gòu)
第2章 基于單樣本的行為識別與檢測
2．1 相關(guān)研究及問題形成
2．2 方法概述
2．3 基于霍夫空間投票的行為表征
2．3．1 興趣點提取
2．3．2 興趣點匹配
2．3．3 匹配點對投票
2．3．4 位移直方圖歸一化
2．4 基于運動估計的行為檢測
2．4．1 運動區(qū)域估計
2．4．2 行為匹配
2．4．3 行為定位
2．5 實驗
2．5．1 行為表征的有效性
2．5．2 單實例行為檢測
2．5．3 多實例行為檢測
2．5．4 行為分類識別
2．5．5 時間復(fù)雜度
2．6 本章小結(jié)
第3章 基于時空特征學(xué)習(xí)的行為識別
3．1 相關(guān)研究及問題形成
3．2 方法概述
3．3 基于神經(jīng)網(wǎng)絡(luò)的時空特征學(xué)習(xí)
3．3．1 行為跟蹤序列
3．3．2 視頻塊形狀特征
3．3．3 多RBMs神經(jīng)網(wǎng)絡(luò)層
3．3．4 時空特征
3．4 基于SVM分類器的行為識別
3．5 實驗
3．5．1 UCF Sports行為數(shù)據(jù)庫
3．5．2 Keck Gesture數(shù)據(jù)庫
3．5．3 KTH行為數(shù)據(jù)庫
3．6 本章小結(jié)
第4章 基于倒排索引表的快速多類行為識別
4．1 相關(guān)研究及問題形成
4．2 方法概述
4．3 基于行為狀態(tài)序列的行為表征
4．3．1 預(yù)處理
4．3．2 行為狀態(tài)二叉樹
4．3．3 行為狀態(tài)序列表征
4．4 基于倒排索引表的行為識別
4．4．1 倒排索引表
4．4．2 行為識別的分值向量
4．4．3 權(quán)重學(xué)習(xí)
4．5 實驗
4．5．1 Keck Gesture數(shù)據(jù)庫
4．5．2 Weizmann行為數(shù)據(jù)庫
4．5．3 KTH行為數(shù)據(jù)庫
4．5．4 UCF Sports行為數(shù)據(jù)庫
4．5．5 時間復(fù)雜度
4．6 本章小結(jié)
第5章 基于時間緩慢不變特征學(xué)習(xí)的行為識別
5．1 相關(guān)研究及問題形成
5．2 方法概述
5．3 時間緩慢不變特征學(xué)習(xí)及池化
5．3．1 空間特征學(xué)習(xí)
5．3．2 空間特征的可視化
5．3．3 時空特征的池化處理
5．4 基于BOF的行為表征及識別
5．5 實驗
5．5．1 實驗設(shè)置
5．5．2 實驗細(xì)節(jié)描述
5．5．3 實驗結(jié)果與分析
5．6 本章小結(jié)
第6章 總結(jié)及展望
6．1 全書總結(jié)
6．2 未來展望
參考文獻
1．1 研究背景及意義
1．2 研究現(xiàn)狀及存在問題
1．2．1 人體行為識別概述
1．2．2 人體行為的表征方法
1．2．3 人體行為的分類方法
1．3 研究內(nèi)容及創(chuàng)新點
1．3．1 主要研究內(nèi)容
1．3．2 主要創(chuàng)新點
1．4 本書的組織結(jié)構(gòu)
第2章 基于單樣本的行為識別與檢測
2．1 相關(guān)研究及問題形成
2．2 方法概述
2．3 基于霍夫空間投票的行為表征
2．3．1 興趣點提取
2．3．2 興趣點匹配
2．3．3 匹配點對投票
2．3．4 位移直方圖歸一化
2．4 基于運動估計的行為檢測
2．4．1 運動區(qū)域估計
2．4．2 行為匹配
2．4．3 行為定位
2．5 實驗
2．5．1 行為表征的有效性
2．5．2 單實例行為檢測
2．5．3 多實例行為檢測
2．5．4 行為分類識別
2．5．5 時間復(fù)雜度
2．6 本章小結(jié)
第3章 基于時空特征學(xué)習(xí)的行為識別
3．1 相關(guān)研究及問題形成
3．2 方法概述
3．3 基于神經(jīng)網(wǎng)絡(luò)的時空特征學(xué)習(xí)
3．3．1 行為跟蹤序列
3．3．2 視頻塊形狀特征
3．3．3 多RBMs神經(jīng)網(wǎng)絡(luò)層
3．3．4 時空特征
3．4 基于SVM分類器的行為識別
3．5 實驗
3．5．1 UCF Sports行為數(shù)據(jù)庫
3．5．2 Keck Gesture數(shù)據(jù)庫
3．5．3 KTH行為數(shù)據(jù)庫
3．6 本章小結(jié)
第4章 基于倒排索引表的快速多類行為識別
4．1 相關(guān)研究及問題形成
4．2 方法概述
4．3 基于行為狀態(tài)序列的行為表征
4．3．1 預(yù)處理
4．3．2 行為狀態(tài)二叉樹
4．3．3 行為狀態(tài)序列表征
4．4 基于倒排索引表的行為識別
4．4．1 倒排索引表
4．4．2 行為識別的分值向量
4．4．3 權(quán)重學(xué)習(xí)
4．5 實驗
4．5．1 Keck Gesture數(shù)據(jù)庫
4．5．2 Weizmann行為數(shù)據(jù)庫
4．5．3 KTH行為數(shù)據(jù)庫
4．5．4 UCF Sports行為數(shù)據(jù)庫
4．5．5 時間復(fù)雜度
4．6 本章小結(jié)
第5章 基于時間緩慢不變特征學(xué)習(xí)的行為識別
5．1 相關(guān)研究及問題形成
5．2 方法概述
5．3 時間緩慢不變特征學(xué)習(xí)及池化
5．3．1 空間特征學(xué)習(xí)
5．3．2 空間特征的可視化
5．3．3 時空特征的池化處理
5．4 基于BOF的行為表征及識別
5．5 實驗
5．5．1 實驗設(shè)置
5．5．2 實驗細(xì)節(jié)描述
5．5．3 實驗結(jié)果與分析
5．6 本章小結(jié)
第6章 總結(jié)及展望
6．1 全書總結(jié)
6．2 未來展望
參考文獻
展開全部
人體行為識別算法研究 作者簡介
裴利沈，女，河南濮陽人，中共黨員，2016年畢業(yè)于電子科技大學(xué)，獲得博士學(xué)位，F(xiàn)任河南財經(jīng)政法大學(xué)計算機與信息工程學(xué)院專職教師，主講課程有數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)原理等。主要研究方向為計算機視覺、機器學(xué)習(xí)、行為識別等。近年來主持國家自然科學(xué)基金項目、省部級項目等多項，發(fā)表相關(guān)學(xué)術(shù)論文十余篇。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
上帝之肋:男人的真實旅程
- >
姑媽的寶刀
- >
莉莉和章魚
- >
有舍有得是人生
- >
我從未如此眷戀人間
- >
巴金－再思錄
- >
苦雨齋序跋文-周作人自編集
本類暢銷
