复杂场景下人体动作识别【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

复杂场景下人体动作识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 应用背景1

1.1.1 视频标注与检索1

1.1.2 智能视频监控2

1.1.3 人机交互2

1.2 研究的难点3

1.3 研究内容和结构安排5

1.3.1 研究内容及工作进展5

1.3.2 结构安排6

第2章 人体动作识别的相关综述8

2.1 视频图像表示9

2.1.1 全局表示10

2.1.2 局部表示12

2.2 人体动作建模与分类20

2.2.1 维数约简20

2.2.2 直接分类20

2.2.3 状态空间模型方法22

2.3 方法的特点25

2.4 本章小结26

第3章 杂乱背景和摄像机移动下的时空兴趣点检测方法28

3.1 引言28

3.2 非线性各向异性扩散滤波器及分析31

3.2.1 Perona-Malik扩散模型33

3.2.2 非线性各向异性扩散滤波34

3.3 杂乱背景和摄像机移动下的时空兴趣点检测35

3.3.1 基于非线性各向异性扩散滤波的时空兴趣点检测算法36

3.3.2 计算方法39

3.4 实验与分析40

3.4.1 实验数据集和实验设置41

3.4.2 摄像机轻微晃动下的时空兴趣点检测方法比较41

3.4.3 杂乱背景和摄像机快速运动下的时空兴趣点检测方法比较43

3.4.4 计算复杂度分析45

3.5 本章小结46

第4章 改进的视频抖动自适应的时空兴趣点检测方法48

4.1 引言48

4.2 视频抖动检测算法48

4.2.1 视频画面抖动检测算法50

4.2.2 金字塔Lucas-Kanade稀疏光流特征52

4.2.3 稀疏光流的前-后向误差估计53

4.2.4 基于光流运动熵的视频画面抖动检测算法54

4.3 基于视频抖动检测算法的混合时空兴趣点检测55

4.4 实验与分析56

4.4.1 实验数据集和实验设置56

4.4.2 视频抖动检测验证56

4.4.3 静态背景下的时空兴趣点检测方法比较57

4.4.4 摄像机轻微晃动下的时空兴趣点检测方法比较58

4.4.5 杂乱背景和摄像机快速运动下的时空兴趣点检测方法比较59

4.5 本章小结61

第5章 基于稀疏编码的时空金字塔匹配的人体动作识别62

5.1 引言62

5.2 稀疏编码63

5.2.1 数学描述64

5.2.2 稀疏编码算法64

5.3 基于BoF的人体动作识别框架66

5.4 基于稀疏编码的人体动作识别方法67

5.4.1 特征检测和表示68

5.4.2 基于稀疏编码的码书学习69

5.4.3 基于max pooling的人体动作描述子70

5.5 基于稀疏编码的时空金字塔匹配71

5.5.1 时空金字塔匹配71

5.5.2 基于max pooling的时空金字塔匹配72

5.6 实验与分析73

5.6.1 实验设置74

5.6.2 KTH数据集上的实验75

5.6.3 YouTube数据集上的实验78

5.7 本章小结79

第6章 视角无关的人体动作识别的研究81

6.1 引言81

6.2 视角无关的人体动作识别的研究现状82

6.3 线性动态系统84

6.3.1 模型参数估计85

6.3.2 距离度量86

6.4 基于线性动态系统的视角无关的人体动作识别88

6.4.1 基于LDSs模型参数的局部描述子89

6.4.2 模型参数空间中的码书学习90

6.4.3 动作描述子计算91

6.5 实验与分析91

6.5.1 数据集与实验设置91

6.5.2 单／多目识别92

6.5.3 交叉视角的识别95

6.5.4 基于BoF的视角无关的动作识别方法比较96

6.6 本章小结98

第7章 复杂场景下鲁棒的人体动作分类方法99

7.1 引言99

7.2 超完备基的图像稀疏表示100

7.3 基于稀疏表示的人体动作分类算法100

7.3.1 人体动作的稀疏表示101

7.3.2 基于l1最小化的稀疏表示求解方法101

7.3.3 l1最小化优化算法102

7.3.4 分类方法102

7.4 在噪声、干扰、遮挡情况下的人体动作分类算法103

7.5 实验与分析104

7.5.1 基于l1与l2最小化算法的比较105

7.5.2 分类方法SR与SVM、K-NN的比较106

7.5.3 鲁棒性测试107

7.6 本章小结110

参考文献111

名词索引126