运动人体行为语义计算技术

第1章 概论
1．1 研究意义
1．2 研究现状
1．3 研究目的与研究内容
1．3．1 研究目的
1．3．2 研究内容
1．4 运动人体行为语义计算关键技术相关研究综述
1．4．1 语义及语义计算的定义
1．4．2 三维人体运动跟踪技术发展概述
1．4．3 场景语义提取与场景分类技术发展概述
1．4．4 视频中运动人体身份识别技术发展概述
1．4．5 基于语义的运动人体行为识别发展概述
1．5 运动人体行为语义计算关键技术的发展趋势
1．5．1 三维人体运动跟踪发展的趋势
1．5．2 运动人体身份识别的发展趋势
1．5．3 场景语义识别发展的趋势
1．5．4 运动人体行为语义计算方法发展的趋势

第2章 基于Beowulf机群中改进粒子滤波的三维人体运动跟踪方法
2．1 引言
2．2 方案总体设计
2．3 三维人体骨骼模型的引入
2．4 三维人体模型参数的自动初始化
2．4．1 人体关节点的自动标注方法
2．4．2 人体关节三维坐标及旋转角度计算方法
2．5 人体视频图像特征提取的具体实现
2．5．1 运动人体轮廓提取方法
2．5．2 运动人体区域灰度和颜色提取方法
2．6 基于Beowulf机群中改进的粒子滤波算法的具体实现
2．6．1 经典串行粒子滤波算法运动人体跟踪的实现方法
2．6．2 跟踪模板与粒子数目的调整及跟踪失效恢复方法
2．6．3 Beowulf机群中单目标跟踪的迁移式粒子滤波并行算法
2．6．4 Beowulf机群中多目标跟踪并行粒子滤波算法实现方法
2．7 节点任务调度与通信策略
2．8 粒子滤波串行与并行算法时间复杂度对比理论分析
2．9 Beowulf机群中三维人体运动粒子滤波跟踪及对比实验
2．9．1 实验环境的搭建
2．9．2 单人体运动跟踪实验及实验结果
2．9．3 多人体运动跟踪实验及实验结果
2．9．4 对比实验的前提条件设计
2．9．5 跟踪失效对比实验与分析
2．9．6 跟踪计算时间对比实验
2．9．7 跟踪时间对比实验结果分析
2．10 本章结论

第3章 基于四层树状语义模型的场景语义识别方法
3．1 引言
3．2 场景语义识别方法的技术路线
3．3 基于图论改进的图像分割方法
3．3．1 基于图论阈值图像分割方法的基本原理
3．3．2 阈值图像分割权值操作的自动调整方法
3．4 四层树状语义模型的引入
3．4．1 视觉词包模型的基本概念
3．4．2 四层树状语义模型的结构
3．5 四层树状语义模型视觉层的构建方法
3．5．1 图像颜色直方图的提取方法
3．5．2 颜色空间的量化与颜色特征提取
3．5．3 颜色层次图的提取方法
3．5．4 颜色及颜色层次特征与轮廓特征融合
3．6 四层树状语义模型概念层的生成
3．7 四层树状语义模型关系层的构建
3．7．1 场景对象空间位置关系的语义描述方法
3．7．2 场景对象空间位置关系关联规则的数据挖掘
3．8 四层树状语义模型语义层的描述方法
3．8．1 高层潜在语义计算方法
3．8．2 语义层的语法生成规则
3．9 四层场景语义树分类模型的构建算法
3．10 测试图像与分类模型语义相似性计算方法
3．10．1 语义特征的获取
3．10．2 语义相似性计算方法
3．11 实验与实验分析
3．11．1 功能验证实验与分析
3．11．2 对比实验与分析
3．12 本章结论

第4章 视频中运动人体身份识别的认知物理学方法
4．1 引言
4．2 运动人体身份识别认知物理学方法实现流程
4．3 数据场的引入
4．3．1 数据场势值和场强矢量的引入
4．3．2 数据场中影响因子的优选方法
4．4 基于数据场的人脸信息表征
4．5 基于数据场的步态信息表征
4．5．1 运动人体步态轮廓特征提取
4．5．2 运动人体下肢关节步态特征提取
4．5．3 运动人体步态特征的数据场描述
4．6 步态数据库样本中人脸区域的提取方法
4．7 运动人体身份识别的具体实现
4．7．1 基于力学和动力学原理的数据非线性降维
4．7．2 基于数据场样本库人的身份自动识别算法
4．7．3 基于数据场样本库人的身份自动识别算法的时间复杂度分析
4．7．4 D～S证据论的引入与改进
4．8 实验及对比分析
4．8．1 功能验证实验
4．8．2 对比实验与分析
4．9 本章结论

第5章 视频场景中运动人体时空关系的自然语言描述方法
5．1 引言
5．2 13元组运动人体时空描述模型的引人
5．3 关键帧的提取方法
5．4 参照物与运动人体距离关系自然语言描述
5．5 场景中运动人体时空关系的自然语言描述语法规则
5．6 实验及实验分析
5．6．1 实验流程设计
5．6．2 人工图形序列实验
5．6．3 视频序列实验
5．7 本章结论

第6章 基于层次化概念空间的运动人体行为语义计算方法
6．1 引言
6．2 运动人体行为语义计算的处理框架的引人
6．3 基于混合云模型的概念空间建立方法
6．3．1 概念空间理论概述
6．3．2 基于混合云模型概念空间的定义
6．3．3 混合云模型概念空间的建立流程
6．4 原子运动概念空间层的建立方法
6．4．1 人体运动样本的选择
6．4．2 运动概念空间建立性质维的选择
6．4．3 身体姿态原子运动概念空间的建立及概念激活方法
6．4．4 肢体的原子运动概念空间的建立及概念激活方法
6．5 简单行为概念层的建立方法
6．5．1 时间逻辑关系的引入
6．5．2 空间逻辑关系的引入
6．5．3 简单行为的建模方法
6．6 简单人体运动行为语义计算方法
6．6．1 简单人体运动行为知识库的建立方法
6．6．2 简单行为语义计算流程
6．7 事件行为概念层的建立与语义计算方法
6．7．1 事件行为概念空间的建模
6．7．2 事件行为概念场景语义的具体描述
6．7．3 事件行为概念人物元组的具体描述
6．7．4 事件行为因果关系推理方法
6．8 运动人体行为语义解释的自然语言规则
6．9 实验及实验分析
6．9．1 功能性验证实验流程和实验环境搭建
6．9．2 简单人体运动行为知识库建立实验
6．9．3 简单人体运动行为语义计算实验
6．9．4 事件人体运动行为语义计算实验
6．9．5 对比实验的实验平台搭建
6．9．6 对比实验结果与讨论
6．10 本章结论

第7章 总结与展望
7．1 研究总结
7．2 研究展望
参考文献