视频中人的动作分析与识别 内容简介

本书围绕视频中人的动作分析与识别问题，论述了动作分析的基本概念、发展历程以及应用，并介绍了动作分析的相关基础知识、动作分析的典型方法和技术、以及动作分析的常用数据库。然后从动作分析中的不同研究方向出发，介绍了三维人体姿态估计的多种经典方法、动作识别与定位的各类经典方法。*后面向多视角动作识别问题，介绍了视角无关动作识别、跨视角动作识别的经典方法。 本书可供从事计算机视觉、模式分类、人工智能以及相关领域研究和应用的技术研发人员参考，也可作为相关专业的高年级本科生和研究生的教材。

视频中人的动作分析与识别 本书特色

1.阐述动作分析基本概念和基础知识2.三维人体姿态估计、动作识别与定位经典方法3.多视角动作识别、跨视角动作识别、视角无关动作识别经典方法

视频中人的动作分析与识别 目录

第 1章绪论 001
1．1动作分析的基本概念 002
1．1．1特征提取 004
1．1．2估计器 005
1．1．3分类器 005
1．1．4区域搜索 005
1．2动作分析的发展历程 006
1．3动作分析的应用 015
参考文献 017
第 2章动作分析基础知识 027
2．1局部特征点 028
2．1．1特征点检测 028
2．1．2特征点跟踪 030
2．1．3特征描述子 031
2．1．4词袋模型 033
2．2运动检测 034
2．2．1帧间差分 035
2．2．2背景减除 036
2．2．3光流场 038
2．3成分分析与判别函数 040
2．3．1主成分分析 040
2．3．2线性判别分析 042
2．3．3多重判别分析 043
2．4*大似然估计 043
2．4．1基本原理 044
2．4．2多元正态分布下的参数估计 045
2．5*近邻分类 046
2．5．1基本原理 046
2．5．2距离度量函数 046
2．5．3近邻个数 047
2．5．4分类规则 047
2．6支持向量机 047
2．6．1*优分类平面 047
2．6．2线性不可分情况 050
2．6．3非线性支持向量机 050
2．7隐马尔可夫模型 052
2．7．1隐马尔可夫模型的定义 052
2．7．2隐马尔可夫模型的基本假设 053
2．7．3隐马尔可夫模型的基本问题 053
2．8神经网络 054
2．8．1神经元模型 054
2．8．2神经网络模型 055
2．8．3反向传播算法 056
2．9聚类 058
2．9．1基本原理 058
2．9．2K means聚类 058
2．9．3层次聚类 059
参考文献 060
第3章 动作分析经典方法 065
3．1动作表示 066
3．1．1时空特征 066
3．1．2语义特征 071
3．1．3深度特征 071
3．2姿态估计 077
3．2．1自底向上基于表观的估计方法 078
3．2．2自顶向下基于模型的估计方法 080
3．2．3自底向上和自顶向下相结合的估计方法 083
3．3动作识别 084
3．3．1单层动作识别方法 084
3．3．2层级动作识别方法 086
3．4动作定位 089
3．4．1时域动作定位 089
3．4．2时空动作定位 091
3．5常用数据库 092
参考文献 108
第4章 学习非线性流形空间的人体姿态估计 133
4．1引言 134
4．2流形学习方法 135
4．3人体运动的非线性流形空间 136
4．4流形空间到原始姿态空间映射 138
4．4．1映射函数建模 139
4．4．2流形空间概率分布建模 139
4．4．3映射函数参数学习 140
4．5实验 140
4．5．1三维人手姿态估计 141
4．5．2三维人体姿态估计 144
4．6小结 147
参考文献 147
第5章利用语义知识反馈的人体姿态估计 149
5．1引言 150
5．2姿态估计多义性 151
5．3语义知识建模 152
5．3．1局部语义知识 152
5．3．2全局语义知识 154
5．4语义知识反馈 156
5．4．1局部语义知识反馈 156
5．4．2全局语义知识反馈 156
5．5语义知识反馈用于姿态估计 157
5．5．1基于Hausdorff距离的动作识别 159
5．5．2基于局部语义反馈和全局语义反馈的姿态估计 160
5．6实验 161
5．6．1实验数据 161
5．6．2结果分析与比较 162
5．7小结 165
参考文献 165
第6章采用增量判别相关分析的动作识别 167
6．1引言 168
6．2判别典型相关分析 169
6．3增量判别典型相关分析 170
6．3．1更新总典型相关矩阵 171
6．3．2更新类间典型相关矩阵 172
6．3．3更新判别矩阵 172
6．4半监督增量判别典型相关分析 173
6．5实验 174
6．5．1Weizmann数据库实验 174
6．5．2KTH数据库实验 177
6．5．3鲁棒性验证 180
6．6小结 182
参考文献 182
第7章融合多视觉对象的动作识别 185
7．1引言 186
7．2动作上下文信息 187
7．3视觉对象特征表示 188
7．3．1时空兴趣点特征 188
7．3．2类相关语义特征 193
7．4视觉对象关联建模 194
7．4．1含有隐变量的结构支持向量机 195
7．4．2关联模型构建 196
7．4．3关联模型训练 198
7．4．4关联模型预测 199
7．5实验 199
7．5．1实验数据 199
7．5．2实验结果及分析 200
7．6小结 206
参考文献 206
第8章联合原子动作建模的动作识别 211
8．1引言 212
8．2原子动作 213
8．3联合原子动作建模 215
8．3．1联合模型构建 215
8．3．2联合模型训练 217
8．3．3联合模型预测 219
8．4原子动作自动标注 219
8．5实验 222
8．5．1实验数据 222
8．5．2动作识别结果分析 223
8．5．3半监督学习方法评估 226
8．5．4视频描述结果分析 227
8．6小结 230
参考文献 231
第9章 跨域知识迁移的动作识别与时空定位 235
9．1引言 236
9．2弱监督时空动作定位 237
9．3图像到视频特征迁移 238
9．3．1图像和视频特征表示 238
9．3．2图像到视频特征变换 240
9．4时空子区域候选集合 241
9．4．1提取兴趣图像块 242
9．4．2筛选兴趣图像块 243
9．4．3生成时空子区域候选集合 244
9．5含有隐变量的迁移支持向量机 246
9．5．1模型构建 246
9．5．2模型学习 247
9．5．3模型预测 249
9．6实验 249
9．6．1实验数据 249
9．6．2实验结果与分析 251
9．7小结 255
参考文献 256
第 10章 结构化学习下的视角无关动作识别 261
10．1引言 262
10．2视角无关动作识别 263
10．3含有隐变量的核化结构支持向量机 264
10．3．1模型构建 264
10．3．2模型学习 265
10．3．3模型预测 266
10．4融合多层特征核函数 267
10．4．1底层视觉特征核函数 267
10．4．2中层相关特征核函数 268
10．4．3高层类别标签核函数 269
10．5实验 269
10．5．1实验数据 269
10．5．2实验设计 269
10．5．3实验结果与分析 271
10．6小结 275
参考文献 275
第 11章 异构判别分析下的跨视角动作识别 279
11．1引言 280
11．2跨视角动作识别 281
11．3异构线性判别分析 283
11．3．1总散度矩阵 284
11．3．2类间散度矩阵 285
11．3．3分布差异约束 286
11．3．4局部保持约束 286
11．3．5优化求解 287
11．4异构非线性核判别分析 288
11．4．1总散度矩阵 289
11．4．2类间散度矩阵 289
11．4．3分布差异约束 290
11．4．4局部保持约束 290
11．4．5优化求解 290
11．5实验 290
11．5．1实验数据 291
11．5．2实验设计 291
11．5．3实验结果与分析 293
11．6小结 299
参考文献 300

视频中人的动作分析与识别 作者简介

吴心筱，于2010年获得北京理工大学博士学位。现任北京理工大学副教授，博士生导师。主要研究方向为计算机视觉、图像视频内容理解。在IJCV、IEEE TIP、IEEE TMM等重要国际刊物和AAAI、ICCV、CVPR、ECCV等**国际会议上发表学术论文30余篇。负责国家自然科学基金青年和面上项目、教育部博士点基金等项目。获“2012年中国人工智能学会优秀博士学位论文”荣誉。