視頻中人的動(dòng)作分析與識(shí)別

第 1章　緒論 001
1．1　動(dòng)作分析的基本概念 002
1．1．1　特征提取 004
1．1．2　估計(jì)器 005
1．1．3　分類(lèi)器 005
1．1．4　區(qū)域搜索 005
1．2　動(dòng)作分析的發(fā)展歷程 006
1．3　動(dòng)作分析的應(yīng)用 015
參考文獻(xiàn) 017
第 2章　動(dòng)作分析基礎(chǔ)知識(shí) 027
2．1　局部特征點(diǎn) 028
2．1．1　特征點(diǎn)檢測(cè) 028
2．1．2　特征點(diǎn)跟蹤 030
2．1．3　特征描述子 031
2．1．4　詞袋模型 033
2．2　運(yùn)動(dòng)檢測(cè) 034
2．2．1　幀間差分 035
2．2．2　背景減除 036
2．2．3　光流場(chǎng) 038
2．3　成分分析與判別函數(shù) 040
2．3．1　主成分分析 040
2．3．2　線性判別分析 042
2．3．3　多重判別分析 043
2．4　最大似然估計(jì) 043
2．4．1　基本原理 044
2．4．2　多元正態(tài)分布下的參數(shù)估計(jì) 045
2．5　最近鄰分類(lèi) 046
2．5．1　基本原理 046
2．5．2　距離度量函數(shù) 046
2．5．3　近鄰個(gè)數(shù) 047
2．5．4　分類(lèi)規(guī)則 047
2．6　支持向量機(jī) 047
2．6．1　最優(yōu)分類(lèi)平面 047
2．6．2　線性不可分情況 050
2．6．3　非線性支持向量機(jī) 050
2．7　隱馬爾可夫模型 052
2．7．1　隱馬爾可夫模型的定義 052
2．7．2　隱馬爾可夫模型的基本假設(shè) 053
2．7．3　隱馬爾可夫模型的基本問(wèn)題 053
2．8　神經(jīng)網(wǎng)絡(luò) 054
2．8．1　神經(jīng)元模型 054
2．8．2　神經(jīng)網(wǎng)絡(luò)模型 055
2．8．3　反向傳播算法 056
2．9　聚類(lèi) 058
2．9．1　基本原理 058
2．9．2　K means聚類(lèi) 058
2．9．3　層次聚類(lèi) 059
參考文獻(xiàn) 060
第3章 動(dòng)作分析經(jīng)典方法 065
3．1　動(dòng)作表示 066
3．1．1　時(shí)空特征 066
3．1．2　語(yǔ)義特征 071
3．1．3　深度特征 071
3．2　姿態(tài)估計(jì) 077
3．2．1　自底向上基于表觀的估計(jì)方法 078
3．2．2　自頂向下基于模型的估計(jì)方法 080
3．2．3　自底向上和自頂向下相結(jié)合的估計(jì)方法 083
3．3　動(dòng)作識(shí)別 084
3．3．1　單層動(dòng)作識(shí)別方法 084
3．3．2　層級(jí)動(dòng)作識(shí)別方法 086
3．4　動(dòng)作定位 089
3．4．1　時(shí)域動(dòng)作定位 089
3．4．2　時(shí)空動(dòng)作定位 091
3．5　常用數(shù)據(jù)庫(kù) 092
參考文獻(xiàn) 108
第4章 學(xué)習(xí)非線性流形空間的人體姿態(tài)估計(jì) 133
4．1　引言 134
4．2　流形學(xué)習(xí)方法 135
4．3　人體運(yùn)動(dòng)的非線性流形空間 136
4．4　流形空間到原始姿態(tài)空間映射 138
4．4．1　映射函數(shù)建模 139
4．4．2　流形空間概率分布建模 139
4．4．3　映射函數(shù)參數(shù)學(xué)習(xí) 140
4．5　實(shí)驗(yàn) 140
4．5．1　三維人手姿態(tài)估計(jì) 141
4．5．2　三維人體姿態(tài)估計(jì) 144
4．6　小結(jié) 147
參考文獻(xiàn) 147
第5章　利用語(yǔ)義知識(shí)反饋的人體姿態(tài)估計(jì) 149
5．1　引言 150
5．2　姿態(tài)估計(jì)多義性 151
5．3　語(yǔ)義知識(shí)建模 152
5．3．1　局部語(yǔ)義知識(shí) 152
5．3．2　全局語(yǔ)義知識(shí) 154
5．4　語(yǔ)義知識(shí)反饋 156
5．4．1　局部語(yǔ)義知識(shí)反饋 156
5．4．2　全局語(yǔ)義知識(shí)反饋 156
5．5　語(yǔ)義知識(shí)反饋用于姿態(tài)估計(jì) 157
5．5．1　基于Hausdorff距離的動(dòng)作識(shí)別 159
5．5．2　基于局部語(yǔ)義反饋和全局語(yǔ)義反饋的姿態(tài)估計(jì) 160
5．6　實(shí)驗(yàn) 161
5．6．1　實(shí)驗(yàn)數(shù)據(jù) 161
5．6．2　結(jié)果分析與比較 162
5．7　小結(jié) 165
參考文獻(xiàn) 165
第6章　采用增量判別相關(guān)分析的動(dòng)作識(shí)別 167
6．1　引言 168
6．2　判別典型相關(guān)分析 169
6．3　增量判別典型相關(guān)分析 170
6．3．1　更新總典型相關(guān)矩陣 171
6．3．2　更新類(lèi)間典型相關(guān)矩陣 172
6．3．3　更新判別矩陣 172
6．4　半監(jiān)督增量判別典型相關(guān)分析 173
6．5　實(shí)驗(yàn) 174
6．5．1　Weizmann數(shù)據(jù)庫(kù)實(shí)驗(yàn) 174
6．5．2　KTH數(shù)據(jù)庫(kù)實(shí)驗(yàn) 177
6．5．3　魯棒性驗(yàn)證 180
6．6　小結(jié) 182
參考文獻(xiàn) 182
第7章　融合多視覺(jué)對(duì)象的動(dòng)作識(shí)別 185
7．1　引言 186
7．2　動(dòng)作上下文信息 187
7．3　視覺(jué)對(duì)象特征表示 188
7．3．1　時(shí)空興趣點(diǎn)特征 188
7．3．2　類(lèi)相關(guān)語(yǔ)義特征 193
7．4　視覺(jué)對(duì)象關(guān)聯(lián)建模 194
7．4．1　含有隱變量的結(jié)構(gòu)支持向量機(jī) 195
7．4．2　關(guān)聯(lián)模型構(gòu)建 196
7．4．3　關(guān)聯(lián)模型訓(xùn)練 198
7．4．4　關(guān)聯(lián)模型預(yù)測(cè) 199
7．5　實(shí)驗(yàn) 199
7．5．1　實(shí)驗(yàn)數(shù)據(jù) 199
7．5．2　實(shí)驗(yàn)結(jié)果及分析 200
7．6　小結(jié) 206
參考文獻(xiàn) 206
第8章　聯(lián)合原子動(dòng)作建模的動(dòng)作識(shí)別 211
8．1　引言 212
8．2　原子動(dòng)作 213
8．3　聯(lián)合原子動(dòng)作建模 215
8．3．1　聯(lián)合模型構(gòu)建 215
8．3．2　聯(lián)合模型訓(xùn)練 217
8．3．3　聯(lián)合模型預(yù)測(cè) 219
8．4　原子動(dòng)作自動(dòng)標(biāo)注 219
8．5　實(shí)驗(yàn) 222
8．5．1　實(shí)驗(yàn)數(shù)據(jù) 222
8．5．2　動(dòng)作識(shí)別結(jié)果分析 223
8．5．3　半監(jiān)督學(xué)習(xí)方法評(píng)估 226
8．5．4　視頻描述結(jié)果分析 227
8．6　小結(jié) 230
參考文獻(xiàn) 231
第9章 跨域知識(shí)遷移的動(dòng)作識(shí)別與時(shí)空定位 235
9．1　引言 236
9．2　弱監(jiān)督時(shí)空動(dòng)作定位 237
9．3　圖像到視頻特征遷移 238
9．3．1　圖像和視頻特征表示 238
9．3．2　圖像到視頻特征變換 240
9．4　時(shí)空子區(qū)域候選集合 241
9．4．1　提取興趣圖像塊 242
9．4．2　篩選興趣圖像塊 243
9．4．3　生成時(shí)空子區(qū)域候選集合 244
9．5　含有隱變量的遷移支持向量機(jī) 246
9．5．1　模型構(gòu)建 246
9．5．2　模型學(xué)習(xí) 247
9．5．3　模型預(yù)測(cè) 249
9．6　實(shí)驗(yàn) 249
9．6．1　實(shí)驗(yàn)數(shù)據(jù) 249
9．6．2　實(shí)驗(yàn)結(jié)果與分析 251
9．7　小結(jié) 255
參考文獻(xiàn) 256
第 10章 結(jié)構(gòu)化學(xué)習(xí)下的視角無(wú)關(guān)動(dòng)作識(shí)別 261
10．1　引言 262
10．2　視角無(wú)關(guān)動(dòng)作識(shí)別 263
10．3　含有隱變量的核化結(jié)構(gòu)支持向量機(jī) 264
10．3．1　模型構(gòu)建 264
10．3．2　模型學(xué)習(xí) 265
10．3．3　模型預(yù)測(cè) 266
10．4　融合多層特征核函數(shù) 267
10．4．1　底層視覺(jué)特征核函數(shù) 267
10．4．2　中層相關(guān)特征核函數(shù) 268
10．4．3　高層類(lèi)別標(biāo)簽核函數(shù) 269
10．5　實(shí)驗(yàn) 269
10．5．1　實(shí)驗(yàn)數(shù)據(jù) 269
10．5．2　實(shí)驗(yàn)設(shè)計(jì) 269
10．5．3　實(shí)驗(yàn)結(jié)果與分析 271
10．6　小結(jié) 275
參考文獻(xiàn) 275
第 11章 異構(gòu)判別分析下的跨視角動(dòng)作識(shí)別 279
11．1　引言 280
11．2　跨視角動(dòng)作識(shí)別 281
11．3　異構(gòu)線性判別分析 283
11．3．1　總散度矩陣 284
11．3．2　類(lèi)間散度矩陣 285
11．3．3　分布差異約束 286
11．3．4　局部保持約束 286
11．3．5　優(yōu)化求解 287
11．4　異構(gòu)非線性核判別分析 288
11．4．1　總散度矩陣 289
11．4．2　類(lèi)間散度矩陣 289
11．4．3　分布差異約束 290
11．4．4　局部保持約束 290
11．4．5　優(yōu)化求解 290
11．5　實(shí)驗(yàn) 290
11．5．1　實(shí)驗(yàn)數(shù)據(jù) 291
11．5．2　實(shí)驗(yàn)設(shè)計(jì) 291
11．5．3　實(shí)驗(yàn)結(jié)果與分析 293
11．6　小結(jié) 299
參考文獻(xiàn) 300