人體行為識別算法研究

內容簡介

行為識別是人工智慧、計算機視覺等領域的熱點與重點研究問題。該問題對圖像、視頻數據中的人體行為進行分析識別，其研究成果在安全監控、老年人和病人監護、視頻索引與檢索、人機互動、物聯網等方面得到了廣泛套用。然而，現有行為識別技術對解決某些實際套用問題卻力有不逮。為解決一些實際問題，本書針對如下四個關於視頻中人體行為識別問題展開了研究。即，在特定場景下，當某些行為的樣本極難收集時，如何利用極少的樣本快速對特定行為進行有效識別；在比較複雜但行人可檢測的場景中，如何有效的對特定行為進行識別；在比較複雜但行人可檢測的場景中，如何快速有效的對多類行為進行識別；在不能有效定位行人的複雜場景中，如何有效的對多類行為進行識別。本書從實際套用問題出發，以模式識別、機器學習、深度學習等理論為基礎，開展了一系列創新性的研究，針對上述問題給出了其相應的解決方案。

作者簡介

裴利沈，女，河南濮陽人，中共黨員，2016年畢業於電子科技大學，獲得博士學位。現任河南財經政法大學計算機與信息工程學院專職教師，主講課程有數據結構、作業系統原理等。主要研究方向為計算機視覺、機器學習、行為識別等。近年來主持國家自然科學基金項目、省部級項目等多項，發表相關學術論文十餘篇。

圖書目錄

第1章緒論

1．1 研究背景及意義

1．2 研究現狀及存在問題

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 研究內容及創新點

1．3．1 主要研究內容

1．3．2 主要創新點

1．4 本書的組織結構

第2章基於單樣本的行為識別與檢測

2．1 相關研究及問題形成

2．2 方法概述

2．3 基於霍夫空間投票的行為表征

2．3．1 興趣點提取

2．3．2 興趣點匹配

2．3．3 匹配點對投票

2．3．4 位移直方圖歸一化

2．4 基於運動估計的行為檢測

2．4．1 運動區域估計

2．4．2 行為匹配

2．4．3 行為定位

2．5 實驗

2．5．1 行為表征的有效性

2．5．2 單實例行為檢測

2．5．3 多實例行為檢測

2．5．4 行為分類識別

2．5．5 時間複雜度

2．6 本章小結

第3章基於時空特徵學習的行為識別

3．1 相關研究及問題形成

3．2 方法概述

3．3 基於神經網路的時空特徵學習

3．3．1 行為跟蹤序列

3．3．2 視頻塊形狀特徵

3．3．3 多RBMs神經網路層

3．3．4 時空特徵

3．4 基於SVM分類器的行為識別

3．5 實驗

3．5．1 UCF Sports行為資料庫

人體行為識別算法研究

基本介紹

內容簡介

作者簡介

圖書目錄

相關詞條

熱門詞條