人體行為識(shí)別算法研究

定　價(jià)：￥52.00

作　者：	裴利沈著
出版社：	經(jīng)濟(jì)管理出版社
叢編項(xiàng)：	信息化網(wǎng)絡(luò)平臺(tái)研究叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787509673447	出版時(shí)間：	2020-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	133	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　行為識(shí)別是人工智能、計(jì)算機(jī)視覺(jué)等領(lǐng)域的熱點(diǎn)與重點(diǎn)研究問(wèn)題，旨在對(duì)圖像、視頻數(shù)據(jù)中的人體行為進(jìn)行分析識(shí)別，其研究成果在安全監(jiān)控、老年人和病人監(jiān)護(hù)、視頻索引與檢索、人機(jī)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(shí)別技術(shù)對(duì)解決某些實(shí)際應(yīng)用問(wèn)題卻力有不逮。為解決一些實(shí)際問(wèn)題，《人體行為識(shí)別算法研究》針對(duì)如下四個(gè)關(guān)于視頻中人體行為識(shí)別問(wèn)題展開(kāi)了研究，即：在特定場(chǎng)景下，當(dāng)某些行為的樣本極難收集時(shí)，如何利用極少的樣本快速地對(duì)特定行為進(jìn)行有效識(shí)別；在比較復(fù)雜但行人可檢測(cè)的場(chǎng)景中，如何有效地對(duì)特定行為進(jìn)行識(shí)別；在比較復(fù)雜但行人可檢測(cè)的場(chǎng)景中，如何快速有效地對(duì)多類行為進(jìn)行識(shí)別；在不能有效定位行人的復(fù)雜場(chǎng)景中，如何有效地對(duì)多類行為進(jìn)行識(shí)別。《人體行為識(shí)別算法研究》從實(shí)際應(yīng)用問(wèn)題出發(fā)，以模式識(shí)別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等理論為基礎(chǔ)，開(kāi)展了一系列創(chuàng)新性的研究，并針對(duì)上述問(wèn)題給出了相應(yīng)的解決方案。

作者簡(jiǎn)介

　　裴利沈，女，河南濮陽(yáng)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(cái)經(jīng)政法大學(xué)計(jì)算機(jī)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?yàn)橛?jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、行為識(shí)別等。近年來(lái)主持國(guó)家自然科學(xué)基金項(xiàng)目、省部級(jí)項(xiàng)目等多項(xiàng)，發(fā)表相關(guān)學(xué)術(shù)論文十余篇。

圖書(shū)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(wèn)題
1．2．1 人體行為識(shí)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?jī)?nèi)容及創(chuàng)新點(diǎn)
1．3．1 主要研究?jī)?nèi)容
1．3．2 主要?jiǎng)?chuàng)新點(diǎn)
1．4 本書(shū)的組織結(jié)構(gòu)
第2章基于單樣本的行為識(shí)別與檢測(cè)
2．1 相關(guān)研究及問(wèn)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(diǎn)提取
2．3．2 興趣點(diǎn)匹配
2．3．3 匹配點(diǎn)對(duì)投票
2．3．4 位移直方圖歸一化
2．4 基于運(yùn)動(dòng)估計(jì)的行為檢測(cè)
2．4．1 運(yùn)動(dòng)區(qū)域估計(jì)
2．4．2 行為匹配
2．4．3 行為定位
2．5 實(shí)驗(yàn)
2．5．1 行為表征的有效性
2．5．2 單實(shí)例行為檢測(cè)
2．5．3 多實(shí)例行為檢測(cè)
2．5．4 行為分類識(shí)別
2．5．5 時(shí)間復(fù)雜度
2．6 本章小結(jié)
第3章基于時(shí)空特征學(xué)習(xí)的行為識(shí)別
3．1 相關(guān)研究及問(wèn)題形成
3．2 方法概述
3．3 基于神經(jīng)網(wǎng)絡(luò)的時(shí)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(shí)空特征
3．4 基于SVM分類器的行為識(shí)別
3．5 實(shí)驗(yàn)
3．5．1 UCF Sports行為數(shù)據(jù)庫(kù)
3．5．2 Keck Gesture數(shù)據(jù)庫(kù)
3．5．3 KTH行為數(shù)據(jù)庫(kù)
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(shí)別
4．1 相關(guān)研究及問(wèn)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(shù)
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(shí)別
4．4．1 倒排索引表
4．4．2 行為識(shí)別的分值向量
4．4．3 權(quán)重學(xué)習(xí)
4．5 實(shí)驗(yàn)
4．5．1 Keck Gesture數(shù)據(jù)庫(kù)
4．5．2 Weizmann行為數(shù)據(jù)庫(kù)
4．5．3 KTH行為數(shù)據(jù)庫(kù)
4．5．4 UCF Sports行為數(shù)據(jù)庫(kù)
4．5．5 時(shí)間復(fù)雜度
4．6 本章小結(jié)
第5章基于時(shí)間緩慢不變特征學(xué)習(xí)的行為識(shí)別
5．1 相關(guān)研究及問(wèn)題形成
5．2 方法概述
5．3 時(shí)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(shí)空特征的池化處理
5．4 基于BOF的行為表征及識(shí)別
5．5 實(shí)驗(yàn)
5．5．1 實(shí)驗(yàn)設(shè)置
5．5．2 實(shí)驗(yàn)細(xì)節(jié)描述
5．5．3 實(shí)驗(yàn)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(shū)總結(jié)
6．2 未來(lái)展望
參考文獻(xiàn)