掃一掃
關注中圖網
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
人體行為的特征表示與識別 版權信息
- ISBN：9787511469069
- 條形碼：9787511469069 ; 978-7-5114-6906-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人體行為的特征表示與識別 本書特色
從全局特征表示和局部特征表示角度，介紹作者相關研究成果，并在*后介紹了骨架節點的人體行為識別、深度信息下人體行為識別和跨域的人體行為識別的*新研究工作
人體行為的特征表示與識別 內容簡介
人體行為識別作為計算機視覺領域的一個重要課題，盡管在過去的幾十年中得到了廣泛的研究，至今仍然被視為一項具有挑戰性的任務，特別是在現實場景中，人體行為識別遇到巨大困難。這些困難主要源于視頻數據的類內變化大、背景干擾、遮擋、光照變化和噪聲等。在本書中，回顧近年來人體行為識別的發展歷程，并從全局特征表示和局部特征表示角度，介紹作者相關研究成果，并在*后介紹了骨架節點的人體行為識別、深度信息下人體行為識別和跨域的人體行為識別的近期新研究工作。
人體行為的特征表示與識別 目錄
第1 章 人體行為識別概述001
1.1 人體行為識別介紹 001
1.2 人體行為識別的國內外研究現狀. 002
1.2.1 時空興趣點 003
1.2.2 局部特征表示 004
1.2.3 全局特征表示 006
1.2.4 深度特征表示 007
1.3 人體行為識別數據集. 008
參考文獻. 012
第2 章 全局特征表示下的人體行為識別.017
2.1 運動與結構特征嵌入. 017
2.1.1 概述 017
2.1.2 特征映射 019
2.1.3 高斯金字塔 020
2.1.4 中心環繞機制 021
2.1.5 特征提取 022
2.1.6 實驗結果 025
2.2 時空拉普拉斯金字塔編碼. 032
2.2.1 概述 032
2.2.2 基于時空拉普拉斯金字塔特征提取 033
2.2.3 特征提取 036
2.2.4 實驗結果 038
2.3 時空可控能量描述符. 044
2.3.1 概述 044
2.3.2 時空可控金字塔特征表示. 045
2.3.3 實驗結果 049
2.4 本章小結 055
參考文獻. 055
第3 章 局部特征表示下的人體行為識別.061
3.1 基于BoW 方法 061
3.1.1 概述 061
3.1.2 BoW 局部特征表示. 062
3.1.3 實驗結果 065
3.2 基于稀疏編碼方法 068
3.2.1 概述 068
3.2.2 基于稀疏編碼的局部特征表示. 068
3.2.3 實驗結果 071
3.3 基于匹配核方法 073
3.3.1 概述 073
3.3.2 匹配核的局部特征表示. 074
3.3.3 實驗結果 076
3.4 樸素貝葉斯近鄰方法及其擴展. 076
3.4.1 概述 076
3.4.2 樸素貝葉斯*近鄰方法. 077
3.4.3 樸素貝葉斯*近鄰核方法. 078
3.4.4 局部樸素貝葉斯*近鄰方法. 079
3.4.5 實驗結果 080
3.5 基于圖像到類距離的判別嵌入. 081
3.5.1 概述 081
3.5.2 圖像到類距離 082
3.5.3 基于I2C 距離的判別嵌入. 083
3.5.4 實驗結果 088
3.6 局部高斯嵌入 091
3.6.1 概述 091
3.6.2 局部高斯嵌入 092
3.6.3 實驗結果 096
3.7 本章小結 100
參考文獻. 101
第4 章 人體行為識別新技術105
4.1 骨架節點的人體行為識別. 105
4.1.1 概述 105
4.1.2 人體骨架及骨架數據集. 107
4.1.3 基于骨架節點的深度學習的人體行為識別 109
4.2 深度信息下的人體行為識別. 116
4.2.1 概述 116
4.2.2 深度圖獲取 117
4.2.3 深度圖特征表征. 119
4.2.4 多通道融合 124
4.3 跨域的人體行為識別. 127
4.3.1 概述 127
4.3.2 跨光譜人體行為識別. 128
4.3.3 跨視角人體行為識別. 130
4.3.4 跨媒體人體行為識別. 134
4.4 本章小結 137
參考文獻. 137
第5 章 總結與展望.146
1.1 人體行為識別介紹 001
1.2 人體行為識別的國內外研究現狀. 002
1.2.1 時空興趣點 003
1.2.2 局部特征表示 004
1.2.3 全局特征表示 006
1.2.4 深度特征表示 007
1.3 人體行為識別數據集. 008
參考文獻. 012
第2 章 全局特征表示下的人體行為識別.017
2.1 運動與結構特征嵌入. 017
2.1.1 概述 017
2.1.2 特征映射 019
2.1.3 高斯金字塔 020
2.1.4 中心環繞機制 021
2.1.5 特征提取 022
2.1.6 實驗結果 025
2.2 時空拉普拉斯金字塔編碼. 032
2.2.1 概述 032
2.2.2 基于時空拉普拉斯金字塔特征提取 033
2.2.3 特征提取 036
2.2.4 實驗結果 038
2.3 時空可控能量描述符. 044
2.3.1 概述 044
2.3.2 時空可控金字塔特征表示. 045
2.3.3 實驗結果 049
2.4 本章小結 055
參考文獻. 055
第3 章 局部特征表示下的人體行為識別.061
3.1 基于BoW 方法 061
3.1.1 概述 061
3.1.2 BoW 局部特征表示. 062
3.1.3 實驗結果 065
3.2 基于稀疏編碼方法 068
3.2.1 概述 068
3.2.2 基于稀疏編碼的局部特征表示. 068
3.2.3 實驗結果 071
3.3 基于匹配核方法 073
3.3.1 概述 073
3.3.2 匹配核的局部特征表示. 074
3.3.3 實驗結果 076
3.4 樸素貝葉斯近鄰方法及其擴展. 076
3.4.1 概述 076
3.4.2 樸素貝葉斯*近鄰方法. 077
3.4.3 樸素貝葉斯*近鄰核方法. 078
3.4.4 局部樸素貝葉斯*近鄰方法. 079
3.4.5 實驗結果 080
3.5 基于圖像到類距離的判別嵌入. 081
3.5.1 概述 081
3.5.2 圖像到類距離 082
3.5.3 基于I2C 距離的判別嵌入. 083
3.5.4 實驗結果 088
3.6 局部高斯嵌入 091
3.6.1 概述 091
3.6.2 局部高斯嵌入 092
3.6.3 實驗結果 096
3.7 本章小結 100
參考文獻. 101
第4 章 人體行為識別新技術105
4.1 骨架節點的人體行為識別. 105
4.1.1 概述 105
4.1.2 人體骨架及骨架數據集. 107
4.1.3 基于骨架節點的深度學習的人體行為識別 109
4.2 深度信息下的人體行為識別. 116
4.2.1 概述 116
4.2.2 深度圖獲取 117
4.2.3 深度圖特征表征. 119
4.2.4 多通道融合 124
4.3 跨域的人體行為識別. 127
4.3.1 概述 127
4.3.2 跨光譜人體行為識別. 128
4.3.3 跨視角人體行為識別. 130
4.3.4 跨媒體人體行為識別. 134
4.4 本章小結 137
參考文獻. 137
第5 章 總結與展望.146
展開全部
人體行為的特征表示與識別 作者簡介
朱本偉副教授一直致力于新型海洋多糖水解酶的挖掘及其結構與功能研究，研究工作主要集中在開發新型海洋多糖水解酶方面，并利用酶法等生物方法將天然碳水化合物資源轉化為功能食品或功能產品，重點研究如何綠色高效地從多糖降解制備得到寡糖；進而對此過程中重要的海洋酶進行發現、創制、改造及機制研究并取得了較好的研究成果。
書友推薦
- >
自卑與超越
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進士錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
有舍有得是人生
- >
月亮虎
- >
月亮與六便士
本類暢銷
