人體行為識別算法研究

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(diǎn)
1．3．1 主要研究內(nèi)容
1．3．2 主要?jiǎng)?chuàng)新點(diǎn)
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(diǎn)提取
2．3．2 興趣點(diǎn)匹配
2．3．3 匹配點(diǎn)對投票
2．3．4 位移直方圖歸一化
2．4 基于運(yùn)動估計(jì)的行為檢測
2．4．1 運(yùn)動區(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
2．5．3 多實(shí)例行為檢測
2．5．4 行為分類識別
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(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分類器的行為識別
3．5 實(shí)驗(yàn)
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(shí)驗(yàn)
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(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)的行為識別
5．1 相關(guān)研究及問題形成
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 全書總結(jié)
6．2 未來展望
參考文獻(xiàn)