首页 > 图书中心 > 学术著作 > 学术 > 经济学

不同复杂度行为识别——基于深度信息的一项研究-曲成璋

丛书名:
著(译)者:曲成璋
资源下载:无资源下载
责任编辑:台啸天
字       数:122千字
开       本:16 开
印       张:9
出版版次:1-1
出版年份:2020-09-01
书       号:978-7-5642-3468-3/F.3468
纸书定价:48.00元   教师会员可用500积分申请样书

本书从深度数据入手,分析研究了三种不同复杂度行为的识别问题。行为的不同复杂度对应着深度数据的使用方式上的不同,我们把深度数据分为基于二维静态的深度数据,单点三维动态深度数据和多点三维动态深度数据三类。本书第一部分通过定位单帧深度信息中的目标候选区域并结合RGB图像进行进一步确认与分析来对具有深度异常值的特殊

  • 本书从深度数据入手,分析研究了三种不同复杂度行为的识别问题。行为的不同复杂度对应着深度数据的使用方式上的不同,我们把深度数据分为基于二维静态的深度数据,单点三维动态深度数据和多点三维动态深度数据三类。本书第一部分通过定位单帧深度信息中的目标候选区域并结合RGB图像进行进一步确认与分析来对具有深度异常值的特殊目标行为进行识别。第一部分以烟火识别为研究案例,对有深度异常值的烟、火行为提出了一种基于二维静态深度信息的烟火检测算法。本书第二部分主要研究基于单点动态深度信息的行为识别,内容具体包括基于单点三维轨迹的空中手写认证与识别问题。第三部分以基于多关节点三维时间序列的人体交互行为识别问题作为具体研究案例,进行基于多点动态深度信息的行为识别研究。对于三维动态深度数据,主要是指有确切深度的单点或多点在时间序列上的深度数据。本书对深度数据在不同复杂度行为的识别问题中的探索与应用提出了具体可行的解决方案,并对实验结果做了详细的讨论分析。
  • 前言 …………………………………………………………………………… 1

    第1章 绪论 ………………………………………………………………… 1
    1.1 基于深度信息的计算机视觉研究 ………………………………… 1
    1.2 深度数据研究背景及意义 ………………………………………… 2
    1.3 深度数据获取技术及相关原理 …………………………………… 5
    1.4 研究内容及结构 …………………………………………………… 7



    第2章 研究现状 ………………………………………………………… 14
    2.1 kinect摄像头深度数据工作机制与相关介绍 …………………… 15
    2.2 融合静态深度信息的RGBD目标分割与识别…………………… 23
    2.3 基于动态深度信息人体行为识别研究 …………………………… 24
    本章小结 ………………………………………………………………… 25


    第3章 基于二维静态深度信息的行为识别 …………………………… 26
    3.1 引言及相关工作 …………………………………………………… 26
    3.2 基于二维静态深度信息行为识别方法概述 ……………………… 33
    3.3 深度数据采集 ……………………………………………………… 35
    3.4 深度数据校正 ……………………………………………………… 36
    3.5 深度数据背景建模与候选区域定位 ……………………………… 38
    3.6 RGB数据辅助确认………………………………………………… 43
    本章小结 ………………………………………………………………… 53

    第4章 基于单点三维动态深度信息的行为识别 ……………………… 54
    4.1 引言及相关工作 …………………………………………………… 54
    4.2 三维单点定位跟踪算法 …………………………………………… 63
    4.3 三维轨迹信息预处理 ……………………………………………… 66
    4.4 基于时间序列的三维轨迹特征提取 ……………………………… 68
    4.5 基于单点三维动态深度信息的空中手写行为认证 ……………… 70
    4.6 基于单点三维动态深度信息的空中手写行为识别 ……………… 79
    本章小结 ………………………………………………………………… 89

    第5章 基于多点三维动态深度信息的行为识别 ……………………… 91
    5.1 引言及相关工作 …………………………………………………… 91
    5.2 基于人体骨架点序列的交互行为建模 …………………………… 96
    5.3 交互动作时间段定位算法 ……………………………………… 100
    5.4 基于邻域DTW距离的度量学习 ……………………………… 112
    5.5 实验分析 ………………………………………………………… 119
    本章小结 ………………………………………………………………… 123

    第6章 总结与展望 ……………………………………………………… 124

    参考文献 …………………………………………………………………… 129

    致 谢 ……………………………………………………………………… 141

版权所有(C)2023 开云网页版版权所有   沪ICP备12043664号-2   沪公网安备31009102000068号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘