人体行为的特征表示与识别

第1 章 人体行为识别概述001
1.1 人体行为识别介绍 001
1.2 人体行为识别的国内外研究现状. 002
1.2.1 时空兴趣点 003
1.2.2 局部特征表示 004
1.2.3 全局特征表示 006
1.2.4 深度特征表示 007
1.3 人体行为识别数据集. 008
参考文献. 012
第2 章 全局特征表示下的人体行为识别.017
2.1 运动与结构特征嵌入. 017
2.1.1 概述 017
2.1.2 特征映射 019
2.1.3 高斯金字塔 020
2.1.4 中心环绕机制 021
2.1.5 特征提取 022
2.1.6 实验结果 025
2.2 时空拉普拉斯金字塔编码. 032
2.2.1 概述 032
2.2.2 基于时空拉普拉斯金字塔特征提取 033
2.2.3 特征提取 036
2.2.4 实验结果 038
2.3 时空可控能量描述符. 044
2.3.1 概述 044
2.3.2 时空可控金字塔特征表示. 045
2.3.3 实验结果 049
2.4 本章小结 055
参考文献. 055
第3 章 局部特征表示下的人体行为识别.061
3.1 基于BoW 方法 061
3.1.1 概述 061
3.1.2 BoW 局部特征表示. 062
3.1.3 实验结果 065
3.2 基于稀疏编码方法 068
3.2.1 概述 068
3.2.2 基于稀疏编码的局部特征表示. 068
3.2.3 实验结果 071
3.3 基于匹配核方法 073
3.3.1 概述 073
3.3.2 匹配核的局部特征表示. 074
3.3.3 实验结果 076
3.4 朴素贝叶斯近邻方法及其扩展. 076
3.4.1 概述 076
3.4.2 朴素贝叶斯*近邻方法. 077
3.4.3 朴素贝叶斯*近邻核方法. 078
3.4.4 局部朴素贝叶斯*近邻方法. 079
3.4.5 实验结果 080
3.5 基于图像到类距离的判别嵌入. 081
3.5.1 概述 081
3.5.2 图像到类距离 082
3.5.3 基于I2C 距离的判别嵌入. 083
3.5.4 实验结果 088
3.6 局部高斯嵌入 091
3.6.1 概述 091
3.6.2 局部高斯嵌入 092
3.6.3 实验结果 096
3.7 本章小结 100
参考文献. 101
第4 章 人体行为识别新技术105
4.1 骨架节点的人体行为识别. 105
4.1.1 概述 105
4.1.2 人体骨架及骨架数据集. 107
4.1.3 基于骨架节点的深度学习的人体行为识别 109
4.2 深度信息下的人体行为识别. 116
4.2.1 概述 116
4.2.2 深度图获取 117
4.2.3 深度图特征表征. 119
4.2.4 多通道融合 124
4.3 跨域的人体行为识别. 127
4.3.1 概述 127
4.3.2 跨光谱人体行为识别. 128
4.3.3 跨视角人体行为识别. 130
4.3.4 跨媒体人体行为识别. 134
4.4 本章小结 137
参考文献. 137
第5 章 总结与展望.146