幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

視覺人體動作識別技術/前沿科技人工智慧系列

  • 作者：李侃|責編:張迪
  • 出版社：電子工業
  • ISBN：9787121467608
  • 出版日期：2024/01/01
  • 裝幀：平裝
  • 頁數：219
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    人體動作識別是電腦視覺以及相關領域的重要研究內容，旨在識別出具有高層語義的人體動作。客觀環境的複雜性以及運動的多樣性使基於視覺的人體姿態估計和動作識別極具挑戰性，因此研究人體動作識別方法具有十分重要的理論意義和應用價值。
    本書在總結分析人體動作識別研究現狀的基礎上，從單人動作和群組動作兩個層面研究人體動作識別技術，即人體2D姿態估計、人體3D姿態估計、單人動作識別，以及群體動作識別。
    本書結構合理，內容全面，既有嚴格的理論基礎，又有實際的應用。
    本書既可以作為機器學習和電腦視覺領域研究人員的技術用書，也可作為高等院校相關專業師生的教學用書。
作者介紹
李侃|責編:張迪
目錄
第1章  緒論
  1.1  研究目的和意義
  1.2  國內外研究現狀
    1.2.1  人體姿態估計
    1.2.2  基於視頻的人體動作識別
    1.2.3  基於骨架序列的人體動作識別
    1.2.4  基於互動關係的視覺人體動作識別
    1.2.5  視頻群體動作識別
  1.3  研究內容
  1.4  本書結構安排
第2章  基於時序一致性探索的人體2D姿態估計
  2.1  引言
  2.2  相關工作
    2.2.1  基於深度學習的視頻人體2D姿態估計
    2.2.2  卷積長短時記憶網路和可變形卷積
  2.3  問題定義
  2.4  圖像人體2D姿態估計網路
  2.5  視頻時序一致性探索
    2.5.1  變形操作
    2.5.2  聚合操作
    2.5.3  雙向時序一致性探索
    2.5.4  多尺度時序一致性探索
  2.6  視頻人體2D姿態估計網路
  2.7  實驗結果
    2.7.1  實驗設置
    2.7.2  性能比較
    2.7.3  模型控制變數分析與實驗結果
  2.8  本章小結
第3章  多視角幾何驅動的自監督人體3D姿態估計
  3.1  引言
  3.2  相關工作
    3.2.1  基於深度學習的單目人體3D姿態估計
    3.2.2  弱/自監督單目人體3D姿態估計
  3.3  自監督人體3D姿態估計方法
    3.3.1  雙分支自監督訓練網路結構
    3.3.2  損失函數
    3.3.3  訓練
  3.4  實驗結果
    3.4.1  實驗設置
    3.4.2  模型控制變數分析與實驗結果
    3.4.3  性能比較
  3.5  本章小結
第4章  基於人體形狀與相機視角一致分解的人體3D姿態估計
  4.1  引言
  4.2  相關工作
    4.2.1  基於字典學習的單目人體3D姿態估計方法
    4.2.2  運動恢復非剛體結構
  4.3  問題定義
  4.4  一致分解網路
  4.5  層次化字典學習

  4.6  模型訓練
  4.7  實驗結果
    4.7.1  實驗設置
    4.7.2  模型控制變數分析與實驗結果
    4.7.3  性能比較
  4.8  本章小結
第5章  基於多時空特徵的人體動作識別
  5.1  引言
  5.2  相關工作
    5.2.1  基於表觀的時空表示學習
    5.2.2  基於骨架序列的時空表示學習
  5.3  多時空特徵人體動作識別方法概述
  5.4  多層級表觀特徵聚合
    5.4.1  局部演化描述符提取
    5.4.2  局部演化描述符編碼
    5.4.3  深度監督的多層級特徵聚合
  5.5  時空圖卷積網路
    5.5.1  時空圖卷積
    5.5.2  網路細節
  5.6  實驗結果
    5.6.1  實驗設置
    5.6.2  模型控制變數分析與實驗結果
    5.6.3  性能比較
  5.7  本章小結
第6章  基於扁平式互動關係分析的多人動作識別
  6.1  引言
  6.2  相關工作
  6.3  特徵表徵
    6.3.1  肢體角度描述符特徵
    6.3.2  空間布局特徵
    6.3.3  基於融合受限玻爾茲曼機的特徵融合
  6.4  線索互動關係模型
  6.5  扁平式動作識別方法
  6.6  局部線索與局部識別
  6.7  基於目標子空間度量的動作相關性分析
  6.8  全局線索整合與動作識別
    6.8.1  全局-局部線索整合演算法
    6.8.2  改進全局-局部線索整合演算法
  6.9  實驗結果與分析
    6.9.1  數據集及實驗設置
    6.9.2  演算法結果與分析
    6.9.3  與現有方法的對比
  6.10  本章小結
第7章  基於層級式互動關係分析的群組動作識別
  7.1  引言
  7.2  相關工作
  7.3  混合群組動作模型
  7.4  混合群組動作模型的概率分佈
  7.5  基於混合群組動作模型的動作識別演算法
  7.6  實驗與演算法分析

    7.6.1  數據集和實驗設置
    7.6.2  演算法結果和分析
    7.6.3  與現有方法的對比
  7.7  本章小結
第8章  融合動作相關性的群體動作識別
  8.1  引言
  8.2  相關工作
  8.3  問題定義
  8.4  動作表示
    8.4.1  多尺度特徵
    8.4.2  動作表示提取
  8.5  動作關係推理
    8.5.1  動作相關性
    8.5.2  關係推理
    8.5.3  演算法描述
  8.6  時空表示
  8.7  模型訓練
  8.8  實驗分析
    8.8.1  數據集與評價指標
    8.8.2  實驗設置
    8.8.3  實驗結果分析
  8.9  本章小結
第9章  結論與展望

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032