基于视觉信息的人体跟踪与行为分析研究

前言 第1章 绪论 1.1 研究背景 1.2 研究现状、存在的问题和挑战 1.2.1 基于视频的二维跟踪研究 1.2.2 基于视频的三维跟踪研究 1.2.3 基于视频的装配解析研究 1.2.4 Kinect工作原理 1.2.5 基于视频序列的人体行为识别方法 1.2.6 基于深度图序列的人体行为识别方法 1.2.7 基于三维骨架序列的人体行为识别方法 1.3 本书结构 第2章 变换矩阵的李代数表示 2.1 变换矩阵 2.2 仿射变换矩阵的李代数表示 2.2.1 仿射变换矩阵的李代数 2.2.2 几何性质与约束 2.3 基于李代数表示的刚体变换矩阵插值算法 2.3.1 算法总体过程 2.3.2 计算物体刚体变换矩阵T 2.3.3 计算T的李代数表示 2.3.4 李代数空间的线性插值 2.3.5 计算插值后的物体刚体变换矩阵 2.4 实验结果 2.5 本章小结 第3章 基于稀疏和局部线性编码的目标二维跟踪 3.1 方法概述 3.2 能量函数下的粒子滤波模型 3.2.1 状态空间模型 3.2.2 外观空间模型 3.2.3 模板的稀疏表示模型 3.3 基于稀疏和局部线性编码的跟踪模型 3.3.1 基于稀疏编码的跟踪模型 3.3.2 基于局部线性编码的跟踪模型 3.3.3 目标模板更新 3.4 其他外观表示模型 3.4.1 *小软阈值平方外观表示模型 3.4.2 自适应结构的局部稀疏外观表示模型 3.5 实验结果 3.5.1 性能分析 3.5.2 Benchmark测试 3.5.3 讨论 3.6 本章小结 第4章 基于全局优化搜索的目标三维跟踪 4.1 方法概述 4.2 问题描述 4.3 基于全局优化的对应点搜索算法 4.3.1 能量函数 4.3.2 候选对应点 4.3.3 颜色概率值模型 4.3.4 图模型 4.3.5 讨论 4.4 实验结果 4.4.1 实现细节 4.4.2 定量分析 4.4.3 定性分析 4.4.4 局限性 4.5 本章小结 第5章 基于装配规则的物体装配技术 5.1 方法概述 5.2 系统总体设计 5.3 基于装配规则的在线推断算法 5.3.1 数据库的创建 5.3.2 在线推断算法 5.3.3 活动部件识别算法 5.3.4 组件装配算法 5.3.5 组件跟踪算法 5.4.实验结果和讨论 5.4.1 装配指导 5.4.2 三维动画和标注的生成 5.4.3 局限性 5.5 本章小结 第6章 基于分层模型的人体行为识别 6.1 问题及方法概述 6.2 分层模型 6.3 分类特征 6.3.1 相对位置特征 6.3.2 傅里叶时间金字塔 6.4 实验结果 6.5 本章小结 第7章 基于向量空间的实时人体行为识别 7.1 问题及方法概述 7.2 时空特征 7.2.1 运动特征 7.2.2 相对位置特征 7.2.3 特征聚类 7.3 加权算法 7.3.1 方差加权法 7.3.2 熵加权法 7.4 分类 7.5 实验结果 7.5.1 UCFKinect行为数据库 7.5.2 MSRC-12手势数据库 7.6 本章小结 第8章 基于加权图和全局*优相似性匹配的人体行为识别 8.1 问题及方法概述 8.2 时空特征 8.3 加权图的构成 8.3.1 提取加权图的顶点 8.3.2 计算加权图边的权重 8.4 基于序列匹配的分类 8.5 实验结果 8.5.1 微软MSRC-12手势数据库 8.5.2 UCFKinect行为数据库 8.6 本章小结 参考文献