基于多层次理解的视频分析技术与应用

第1章 背景与意义 第2章 国内外研究现状 2.1 行为识别方法 2.1.1 行为识别数据库 2.1.2 传统的行为识别方法 2.1.3 基于深度学习的行为识别方法 2.2 多目标跟踪方法 2.3 群体行为识别方法 2.3.1 群体行为数据库 2.3.2 传统的群体行为识别方法 2.3.3 基于深度学习的群体行为识别方法 本章小结 第3章 体育视频中运动员协同跟踪和行为识别一体化框架 3.1 引言 3.2 相关工作 3.2.1 目标跟踪 3.2.2 行为识别 3.3 BeaVoll数据库 3.4 尺度遮挡鲁棒的跟踪方法 3.4.1 压缩跟踪 3.4.2 尺度细化 3.4.3 遮挡恢复 3.5 长时间区域导向的递归神经网络 3.5.1 多尺度金字塔卷积神经网络 3.5.2 长短时记忆单元结构 3.5.3 训练和测试 3.6 实验结果与分析 3.6.1 实验细节 3.6.2 在BeaVoll数据库上的实验结果 3.6.3 在UIUC2数据库上的实验结果 本章小结 第4章 基于长时间动作线索的体育视频中多运动员跟踪方法 4.1 引言 4.2 相关工作 4.3 基于长时间动作依赖的层级深度匹配方法 4.3.1 问题描述 4.3.2 检测框连接代价 4.3.3 孪生跟踪片相似度网络和跟踪片连接代价 4.4 数据库 4.5 实验结果与分析 4.5.1 实验细节 4.5.2 评估指标 4.5.3 结果分析 本章小结 第5章 基于注意力机制和上下文建模的体育视频中群体行为识别方法 5.1 引言 5.2 基于注意力机制和上下文建模的群体行为识别方法 5.2.1 注意力机制的LSTM网络结构 5.2.2 层级注意力网络 5.2.3 层级上下文网络 5.3 实验结果与分析 5.3.1 实验细节 5.3.2 基准方法 5.3.3 在Collective Activity数据库上的实验结果 5.3.4 在Volleyball数据库上的实验结果 本章小结 第6章 面向复杂语义自适应建模的群体战术识别方法 6.1 引言 6.2 复杂语义自适应建模的群体战术识别方法 6.2.1 自适应的图卷积神经网络 6.2.2 注意力时序卷积网络 6.3 实验结果与分析 6.3.1 实验细节 6.3.2 消融实验 6.3.3 与其他先进方法的比较 本章小结 第7章 基于多尺度交叉距离Transformer模型的群体行为识别方法 7.1 相关工作 7.2 基于多尺度交叉距离Transformer模型的群体行为识别方法 7.2.1 方法概览 7.2.2 跨距离注意力块 7.2.3 层次结构 7.2.4 多尺度重构学习 7.3 实验结果与分析 7.3.1 数据库 7.3.2 实验细节 7.3.3 消融实验 7.3.4 与其他先进方法的比较 本章小结 第8章 基于长短状态预测Transformer的群体表征自学习方法 8.1 引言 8.2 相关工作 8.2.1 自监督学习 8.2.2 行为预测 8.3 基于长短状态预测Transformer的群体表征自学习方法 8.3.1 概览 8.3.2 长短状态编码器 8.3.3 长短状态解码器 8.3.4 联合学习机制 8.4 实验结果与分析 8.4.1 数据库 8.4.2 实验细节 8.4.3 消融实验 8.4.4 与其他先进方法的比较 本章小结 第9章 基于上下文关系预测编码的群体行为表征自学习方法 9.1 引言 9.2 基于上下文关系预测编码的群体行为表征自学习方法 9.2.1 概述 9.2.2 群体标记生成器 9.2.3 串并行Transformer编码器 9.2.4 混合上下文Transformer解码器 9.2.5 联合损失 9.3 实验结果与分析 9.3.1 数据库 9.3.2 实验细节 9.3.3 与其他先进方法的比较 9.3.4 消融实验 本章小结 第10章 总结与展望 参考文献