视频序列中的行为识别建模研究

图书标准信息

• 作者 徐勤军
• 出版社 吉林大学出版社
• 出版时间 2022-04
• 版次 1
• ISBN 9787569291032
• 定价 58.00元
• 装帧 其他
• 开本 16开
• 纸张 轻型纸
• 页数 192页
• 字数 130.000千字

【内容简介】

视频序列中行为识别的研究是当前的一个研究热点，应用前景广阔，在医疗看护、视频监控、安保、视频检索以及运动分析等方面已经步入实用化。但由于视频本身包含了丰富的信息，且实际应用场景下背景糟杂、视角多变以及行为本身的歧义性，行为识别的研究存在着诸多挑战，需要进一步的深入研究。 本文的主要工作围绕着如何表示视频中的行为展开，包含三个方面，一是研究从底层特征中提取中层特征表示问题；二是从行为相似的角度来研究行为的表示；三是从特征的统计分布出发研究特征的编码表示方法。总之，基于手工设计的特征，本文从多个角度来改进底层特征的表示能力，进而提升分类识别性能

【作者简介】

徐勤军（1975.8～ ），男，山东新泰人，东南大学信息与通信系统专业博士，闽南师范大学讲师，主持福建省自然科学基金（2018J01552），福建省教育厅科研项目（JA15309）各一项，研究方向为计算机视觉，模式识别。

【目录】

目录

章绪  论................................................................................1

一、研究背景与意义......................................................................1

二、国内外研究现状......................................................................5

（一）行为识别的特征表示.............................................................9

（二）分类识别方法.....................................................................21

三、视频序列的行为识别建模的技术难点....................................30

四、行为识别视频数据库.............................................................33

（一）单人行为数据库..................................................................34

（二）复杂行为数据库..................................................................35

五、主要工作................................................................................39

六、本书组织结构........................................................................41

第二章概率隐含语义分析模型的行为识别研究.............................43

一、引言.......................................................................................43

二、主题模型在行为识别中的应用...............................................45

（一）主题模型............................................................................45

（二）主题模型在行为识别中的应用.............................................48

三、评估方法................................................................................50

（一）特征提取和表示..................................................................50

（二）特征编码与归一化..............................................................52

（三）PLSA模型设置....................................................................53

四、实验结果与分析.....................................................................54

（一）KTH数据库的实验结果........................................................55

（二）UT-interaction数据库的实验结果.....................................61

五、结果分析与讨论.....................................................................72

六、本章小结................................................................................74

第三章行为相似度识别的过完备稀疏方法....................................75

一、引言.......................................................................................75

二、相关研究................................................................................77

三、基于高斯混合模型的过完备稀疏方法....................................80

（一）特征提取............................................................................81

（二）高斯混合模型.....................................................................82

（三）字典学习与稀疏编码...........................................................84

（四）概率加权的池化表示...........................................................85

四、实验结果与分析.....................................................................87

（一）实验设置............................................................................87

（二）参数选择............................................................................87

（三）不同特征描述符的性能比较................................................90

（四）与主流算法的性能比较.......................................................92

（五）结果分析与讨论..................................................................93

五、本章小结................................................................................98

第四章基于费舍尔向量和局域聚合描述符向量编码的行为识别

    方法....................................................................................100

一、特征编码方法......................................................................100

二、费舍尔向量和局域聚合描述符向量编码..............................104

（一）费舍尔向量编码................................................................104

（二）局域聚合描述符向量编码..................................................106

（三）单词包、费舍尔向量和局域聚合描述符向量编码的关系

...................................................................................................107

三、基于软分配的局域聚合描述符向量编码..............................108

四、联合高阶矩的费舍尔向量编码.............................................110

五、实验结果与分析...................................................................113

（一）实验设置...........................................................................113

（二）主成分分析影响................................................................115

（三）基于软分配的局域聚合描述符向量编码的实验结果............116

（四）联合高阶矩的费舍尔向量方法的实验结果..........................119

（五）结果分析与讨论................................................................124

六、本章小结..............................................................................126

第五章基于时空信息的超向量编码行为识别方法.......................127

一、引言.....................................................................................127

二、基于时空信息的超向量编码方法.........................................130

三、实验结果与分析...................................................................133

（一）KTH数据库上的实验结果...................................................135

（二）UCFsports数据库上的实验结果.......................................137

（三）UCF101数据库上的实验结果..............................................139

（四）实验结果分析....................................................................143

四、本章小结..............................................................................149

第六章总结与展望.........................................................................150

一、总结.....................................................................................150

二、展望.....................................................................................152

参加的科研项目和获得的奖励.........................................................154

参考文献155