Национальное издательство тяжелых инструментов Инженерное видео с анализом и анализом действий на человеческом движении Типичное метод технологии и анализ движения Общая база данных 3D Движение по оценке и позиционированию человеческой прессы и методы позиционирования
Цена: 926руб. (¥51.5)
Артикул: 613523889446
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:兰兴达图书专营店
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 80 46.6838руб.
¥711 277руб.
¥46.8842руб.
¥ 49.8 39.6713руб.
A8
Название книги: Анализ и признание людей в видео с издательским видео Гоожесхижи
Автор: У Синсиао, Лю Куйвей, Цзя Юн получил
Цена: 68,00 юань
Пресса: People's Puss and Telecommunications Publishing House
ISBN: 9787568276047
Эта книга фокусируется на анализе действий человека и идентификации людей в видео. Анализ действийЗатем из разных направлений исследований в анализе действий вводятся различные классические методы, распознавание действий и позиционирование трехмерной оценки осанки человека.После этого проблема распознавания действий множества перспектив представляет классический метод не связанного распознавания действий и распознавания угла просмотра.
  майоры.
Глава 1 Введение 001
1.1 Основная концепция анализа действий 002
1.1.1 Извлечение функций 004
1.1.2 Оценка 005
1.1.3 Классификатор 005
1.1.4 Поиск 005
1.2 Разработка анализа действий 006
1.3 Применение анализа движения 015
Ссылки 017
Глава 2 Анализ действий Базовые знания 027
2.1 локальная точка функции 028
2.1.1 Обнаружение точки признака 028
2.1.2 Отслеживание точек функции 030
2.1.3 Дескриптор функции 031
2.1.4 Модель сумки Wagmine 033
2.2 Обнаружение движения 034
2.2.1 Различия Bate 035
2.2.2.
2.2.3 Поток света 038
2.3 Анализ ингредиентов и функция суждения 040
2.3.1 Анализ основного композиции 040
2.3.2 Анализ линейного суждения 042
2.3.3 Анализ множественного дискриминации 043
2.4 аналогичная оценка 043
2.4.1 Основные принципы 044
2.4.2 Параметры в рамках множественной оценки нормального распределения 045
2.5 рядом с соседом категория 046
2.5.1 Основные принципы 046
2.5.2 Функция измерения расстояния 046
2.5.3 Рядом с соседним номером 047
2.5.4 Правила классификации 047
2.6 Поддержка векторной машины 047
2.6.1 Отличная плоскость классификации 047
2.6.2 Линейный не может быть разделен на ситуацию 050
2.6.3 Не -линейная векторная машина поддержки 050
2.7 Скрытая Marcov Model 052
2.7.1 Определение скрытой Marcov Model 052
2.7.2 Основные гипотетические предположения скрытой модели Маркова 053
2.7.3 Основные проблемы скрытой Marcov Model 053
2.8 Нейронная сеть 054
2.8.1 Модель нейронов 054
2.8.2 Модель нейронной сети 055
2.8.3 Алгоритм обратной связи 056
2.9 кластер 058
2.9.1 Основные принципы 058
2.9.2 K означает кластер 058
2.9.3 Уровень кластер 059
Ссылки 060
Глава 3 Анализ действий Классический метод 065
3.1 Представление действия 066
3.1.1 Особенности времени и пространства 066
3.1.2 Семантические функции 071
3.1.3 Глубокие функции 071
3.2 Оценка жестов 077
3.2.1 С низа метода оценки на основе кажущегося 078
3.2.2 Метод оценки на основе модели 080 В верхней части вершины 080
3.2.3 Методы оценки в сочетании с вверх и вниз вниз от нижней части 083
3.3 Распознавание действий 084
3.3.1 Метод распознавания действий в одиночном уровне 084
3.3.2 -Метод распознавания действий. 086
3.4 позиционирование действия 089
3.4.1 Позиция действия временной области 089
3.4.2 Позиционирование действия времени и пространства 091
3.5 Общая база данных 092
Ссылки 108
Глава 4 Позиция человеческого обучения нелинейному текущему пространству оценивается в 133
4.1 Введение 134
4.2 Метод потокового обучения 135
4.3 Нелинейное пространство потока человеческого движения 136
4.4 Потоковое пространство до исходного пространства позы 138
4.4.1 Моделирование функции 139
4.4.2 Периодическое пространственное моделирование распределения вероятностей 139
4.4.3. Отражая функцию Параметр обучения 140
4.5 Эксперимент 140
4.5.1 Трехмерная осанка для рук человека оценивается 141
4.5.2 Трехмерная человеческая осанка оценивается 144
4.6 Резюме 147
Ссылки 147
Глава 5 Человеческий жест, в котором используется семантическая обратная связь знаний, оценивается 149
5. Введение 150
5.2 Оценка жестов полисексуала 151
5. 3 Семантическое моделирование знаний 152
5.3.1 Местная семантика знания 152
5.3.2 Глобальные семантические знания 154
5.4 Семантические отзывы знаний 156
5.4.1 Местные семантические отзывы знаний 156
5.4.2 Глобальная семантическая обратная связь 156
5.5 Семантическая обратная связь знаний для оценки жестов 157
5.5.1 Распознавание действий на основе расстояния Хаусдорфа 159
5.5.2 Оценка 160 на основе локальной семантической обратной связи и глобальной семантической обратной связи
5.6 Эксперимент 161
5.6.1 Экспериментальные данные 161
5.6.2 Анализ результатов и сравнение 162
5.7 Резюме 165
Ссылка 165
Глава 6 Движение связанного анализа в чрезвычайных условиях соответствующего анализа 167
6. Введение 168
6.2 Типичный связанный анализ 169
6.3 Анализ типичного связанного анализа 170
6.3.1 Обновите общую типичную связанную матрицу 171
6.3.2 Обновление типичных претензий классов 172
6.3.3 Матрица суждения 172
6.4 Полу -супервизионное постепенное анализ типичного связанного анализа 173
6.5 Эксперимент 174
6.5.1 Эксперимент с базой данных Weizmann 174
6.5.2 Kth Database Experiment 177
6.5.3 РАСАЛЬНАЯ ПРОВЕРКА 180
6.6 Резюме 182
Рекомендации 182
Глава 7 Движение много -визуального слияния объекта 185
7. Введение 186
7.2 Информация о контексте действия 187
7.3 Особенности визуального объекта указывают 188
7.3.1 Особенности времени и космоса 188
7.3.2 Семантические характеристики, связанные с классом 193
7.4 Моделирование визуального объекта 194
7.4.1 Структурная поддержка векторной машины, содержащей скрытые переменные 195
7.4.2 Строительство модели Ассоциации 196
7.4.3.
7.4.4 Прогнозирование модели ассоциации 199
7.5 Эксперимент 199
7.5.1 Экспериментальные данные 199
7.5.2 Экспериментальные результаты и анализ 200
7.6 Резюме 206
Ссылки 206
Глава 8 Движение модели моделирования атомного движения 211
8. Введение 212
8.2 Атомное действие 213
8.3 Моделирование действий атома сустава 215
8.3.1 Совместная модель конструкция 215
8.3.2 Объединение модели 217
8.3.3 Совместная модель прогнозирование 219
8.4 Атомное действие автоматически отмечено 219
8.5 Эксперимент 222
8.5.1 Экспериментальные данные 222
8.5.2 Анализ результатов распознавания действий 223
8.5.3 Оценка метода обучения обучения 226
8.5.4. Анализ результатов видео 227
8.6 Резюме 230
Ссылки 231
Глава 9 Крест -Домен знаний о миграции признание действия и позиционирование времени и пространства 235
9. Введение 236
9.2 Слабое время надзора и позиционирование космических действий 237
9.3 Изображение на видео миграция персонажа 238
9.3.1 изображения и видео -функции указывают 238
9.3.2 Изображение к видео
9.4 Коллекция региональных кандидатов времени и космического пространства 241
9.4.1 Извлечение интереса Изображения Блок 242
9.4.2 Фильтр процент изображения Блок 243
9.4.3 Генерация коллекции отбора временной и пространственной зоны 244
9.5 Машина поддержки миграции со скрытыми переменными 246
9.5.1 Конструкция модели 246
9.5.2 Model Learning 247
9.5.3 Прогноз модели 249
9.6 Эксперимент 249
9.6.1 Экспериментальные данные 249
9.6.2 Экспериментальные результаты и анализ 251
9.7 Резюме 255
Ссылки 256
Глава 10 Перспектива в рамках структурированного обучения не связана с признанием действий 261
10. Введение 262
10. Угол обзора нерелевантного распознавания действий 263
10.3 Автомобиль поддержки аукционной структуры вектор со скрытыми переменными 264
10.3.1 Строительство 264
10.3.2 Model Learning 265
10.3.3 Прогноз модели 266
10.4 Fusion Multi -Layer Feature Function 267
10.4.1 Подземная визуальная функция Функция 267
10.4.2 Средняя функция, связанная с серединой, основной функции 268
10.4.3 Функция основной категории категории высокого уровня 269
10.5 Эксперимент 269
10.5.1 Экспериментальные данные 269
10.5.2 Экспериментальный дизайн 269
10.5.3 Экспериментальные результаты и анализ 271
10.6 Резюме 275
Ссылки 275
11 Cross -Hall Discoversication в соответствии с анализом гетерогенного суждения 279
11. Введение 280
11.2.
11.3 Анализ активности гетерогенной линейности 283
11.3.1 Общая разбросанная матрица 284
11.3.
11.3.3 Различные ограничения распределения 286
11.3.4
11.3.5 Оптимизированное решение 287
11.4 Анализ нинтонической ядерной реконструкции 288
11.4.1 Матрица общего рассеяния 289
11.4.
11.4.3 Различные ограничения распределения 290
11.4.4 Местные ограничения 290
11.4.5 Оптимизированное решение 290
11.5 Эксперимент 290
11.5.1 Экспериментальные данные 291
11.5.2 Экспериментальный дизайн 291
11.5.3 Экспериментальные результаты и анализ 293
11.6 Резюме 299
Ссылка 300
1.1 Основная концепция анализа действий 002
1.1.1 Извлечение функций 004
1.1.2 Оценка 005
1.1.3 Классификатор 005
1.1.4 Поиск 005
1.2 Разработка анализа действий 006
1.3 Применение анализа движения 015
Ссылки 017
Глава 2 Анализ действий Базовые знания 027
2.1 локальная точка функции 028
2.1.1 Обнаружение точки признака 028
2.1.2 Отслеживание точек функции 030
2.1.3 Дескриптор функции 031
2.1.4 Модель сумки Wagmine 033
2.2 Обнаружение движения 034
2.2.1 Различия Bate 035
2.2.2.
2.2.3 Поток света 038
2.3 Анализ ингредиентов и функция суждения 040
2.3.1 Анализ основного композиции 040
2.3.2 Анализ линейного суждения 042
2.3.3 Анализ множественного дискриминации 043
2.4 аналогичная оценка 043
2.4.1 Основные принципы 044
2.4.2 Параметры в рамках множественной оценки нормального распределения 045
2.5 рядом с соседом категория 046
2.5.1 Основные принципы 046
2.5.2 Функция измерения расстояния 046
2.5.3 Рядом с соседним номером 047
2.5.4 Правила классификации 047
2.6 Поддержка векторной машины 047
2.6.1 Отличная плоскость классификации 047
2.6.2 Линейный не может быть разделен на ситуацию 050
2.6.3 Не -линейная векторная машина поддержки 050
2.7 Скрытая Marcov Model 052
2.7.1 Определение скрытой Marcov Model 052
2.7.2 Основные гипотетические предположения скрытой модели Маркова 053
2.7.3 Основные проблемы скрытой Marcov Model 053
2.8 Нейронная сеть 054
2.8.1 Модель нейронов 054
2.8.2 Модель нейронной сети 055
2.8.3 Алгоритм обратной связи 056
2.9 кластер 058
2.9.1 Основные принципы 058
2.9.2 K означает кластер 058
2.9.3 Уровень кластер 059
Ссылки 060
Глава 3 Анализ действий Классический метод 065
3.1 Представление действия 066
3.1.1 Особенности времени и пространства 066
3.1.2 Семантические функции 071
3.1.3 Глубокие функции 071
3.2 Оценка жестов 077
3.2.1 С низа метода оценки на основе кажущегося 078
3.2.2 Метод оценки на основе модели 080 В верхней части вершины 080
3.2.3 Методы оценки в сочетании с вверх и вниз вниз от нижней части 083
3.3 Распознавание действий 084
3.3.1 Метод распознавания действий в одиночном уровне 084
3.3.2 -Метод распознавания действий. 086
3.4 позиционирование действия 089
3.4.1 Позиция действия временной области 089
3.4.2 Позиционирование действия времени и пространства 091
3.5 Общая база данных 092
Ссылки 108
Глава 4 Позиция человеческого обучения нелинейному текущему пространству оценивается в 133
4.1 Введение 134
4.2 Метод потокового обучения 135
4.3 Нелинейное пространство потока человеческого движения 136
4.4 Потоковое пространство до исходного пространства позы 138
4.4.1 Моделирование функции 139
4.4.2 Периодическое пространственное моделирование распределения вероятностей 139
4.4.3. Отражая функцию Параметр обучения 140
4.5 Эксперимент 140
4.5.1 Трехмерная осанка для рук человека оценивается 141
4.5.2 Трехмерная человеческая осанка оценивается 144
4.6 Резюме 147
Ссылки 147
Глава 5 Человеческий жест, в котором используется семантическая обратная связь знаний, оценивается 149
5. Введение 150
5.2 Оценка жестов полисексуала 151
5. 3 Семантическое моделирование знаний 152
5.3.1 Местная семантика знания 152
5.3.2 Глобальные семантические знания 154
5.4 Семантические отзывы знаний 156
5.4.1 Местные семантические отзывы знаний 156
5.4.2 Глобальная семантическая обратная связь 156
5.5 Семантическая обратная связь знаний для оценки жестов 157
5.5.1 Распознавание действий на основе расстояния Хаусдорфа 159
5.5.2 Оценка 160 на основе локальной семантической обратной связи и глобальной семантической обратной связи
5.6 Эксперимент 161
5.6.1 Экспериментальные данные 161
5.6.2 Анализ результатов и сравнение 162
5.7 Резюме 165
Ссылка 165
Глава 6 Движение связанного анализа в чрезвычайных условиях соответствующего анализа 167
6. Введение 168
6.2 Типичный связанный анализ 169
6.3 Анализ типичного связанного анализа 170
6.3.1 Обновите общую типичную связанную матрицу 171
6.3.2 Обновление типичных претензий классов 172
6.3.3 Матрица суждения 172
6.4 Полу -супервизионное постепенное анализ типичного связанного анализа 173
6.5 Эксперимент 174
6.5.1 Эксперимент с базой данных Weizmann 174
6.5.2 Kth Database Experiment 177
6.5.3 РАСАЛЬНАЯ ПРОВЕРКА 180
6.6 Резюме 182
Рекомендации 182
Глава 7 Движение много -визуального слияния объекта 185
7. Введение 186
7.2 Информация о контексте действия 187
7.3 Особенности визуального объекта указывают 188
7.3.1 Особенности времени и космоса 188
7.3.2 Семантические характеристики, связанные с классом 193
7.4 Моделирование визуального объекта 194
7.4.1 Структурная поддержка векторной машины, содержащей скрытые переменные 195
7.4.2 Строительство модели Ассоциации 196
7.4.3.
7.4.4 Прогнозирование модели ассоциации 199
7.5 Эксперимент 199
7.5.1 Экспериментальные данные 199
7.5.2 Экспериментальные результаты и анализ 200
7.6 Резюме 206
Ссылки 206
Глава 8 Движение модели моделирования атомного движения 211
8. Введение 212
8.2 Атомное действие 213
8.3 Моделирование действий атома сустава 215
8.3.1 Совместная модель конструкция 215
8.3.2 Объединение модели 217
8.3.3 Совместная модель прогнозирование 219
8.4 Атомное действие автоматически отмечено 219
8.5 Эксперимент 222
8.5.1 Экспериментальные данные 222
8.5.2 Анализ результатов распознавания действий 223
8.5.3 Оценка метода обучения обучения 226
8.5.4. Анализ результатов видео 227
8.6 Резюме 230
Ссылки 231
Глава 9 Крест -Домен знаний о миграции признание действия и позиционирование времени и пространства 235
9. Введение 236
9.2 Слабое время надзора и позиционирование космических действий 237
9.3 Изображение на видео миграция персонажа 238
9.3.1 изображения и видео -функции указывают 238
9.3.2 Изображение к видео
9.4 Коллекция региональных кандидатов времени и космического пространства 241
9.4.1 Извлечение интереса Изображения Блок 242
9.4.2 Фильтр процент изображения Блок 243
9.4.3 Генерация коллекции отбора временной и пространственной зоны 244
9.5 Машина поддержки миграции со скрытыми переменными 246
9.5.1 Конструкция модели 246
9.5.2 Model Learning 247
9.5.3 Прогноз модели 249
9.6 Эксперимент 249
9.6.1 Экспериментальные данные 249
9.6.2 Экспериментальные результаты и анализ 251
9.7 Резюме 255
Ссылки 256
Глава 10 Перспектива в рамках структурированного обучения не связана с признанием действий 261
10. Введение 262
10. Угол обзора нерелевантного распознавания действий 263
10.3 Автомобиль поддержки аукционной структуры вектор со скрытыми переменными 264
10.3.1 Строительство 264
10.3.2 Model Learning 265
10.3.3 Прогноз модели 266
10.4 Fusion Multi -Layer Feature Function 267
10.4.1 Подземная визуальная функция Функция 267
10.4.2 Средняя функция, связанная с серединой, основной функции 268
10.4.3 Функция основной категории категории высокого уровня 269
10.5 Эксперимент 269
10.5.1 Экспериментальные данные 269
10.5.2 Экспериментальный дизайн 269
10.5.3 Экспериментальные результаты и анализ 271
10.6 Резюме 275
Ссылки 275
11 Cross -Hall Discoversication в соответствии с анализом гетерогенного суждения 279
11. Введение 280
11.2.
11.3 Анализ активности гетерогенной линейности 283
11.3.1 Общая разбросанная матрица 284
11.3.
11.3.3 Различные ограничения распределения 286
11.3.4
11.3.5 Оптимизированное решение 287
11.4 Анализ нинтонической ядерной реконструкции 288
11.4.1 Матрица общего рассеяния 289
11.4.
11.4.3 Различные ограничения распределения 290
11.4.4 Местные ограничения 290
11.4.5 Оптимизированное решение 290
11.5 Эксперимент 290
11.5.1 Экспериментальные данные 291
11.5.2 Экспериментальный дизайн 291
11.5.3 Экспериментальные результаты и анализ 293
11.6 Резюме 299
Ссылка 300