第一篇 人体行为轨迹估计与跟踪
第1章 基于多特征级联稀疏表示的目标跟踪方法
1.1 引言
1.2 基于粒子滤波框架的跟踪算法
1.2.1 粒子滤波算法
1.2.2 基于多特征融合的粒子滤波跟踪算法
1.3 基于多特征融合表示的外观模型
1.4 基于级联稀疏编码的目标表示
1.4.1 构造外观模型
1.4.2 第一级稀疏编码
1.4.3 第二级稀疏编码
1.5 状态更新
1.6 实验结果与性能分析
1.6.1 参数设置
1.6.2 定性比较
1.6.3 定量比较
1.7 本章小结
第2章 基于目标性度量学习的加权多示例跟踪方法
2.1 引言
2.2 基于目标性度量学习的加权多示例跟踪算法整体框架
2.3 目标性度量学习
2.4 基于目标性度量权重分配的包概率计算
2.5 分类器更新
2.6 在线目标匹配约束
2.7 基于其他指标的目标性度量
2.8 实验结果与性能分析
2.8.1 参数设置
2.8.2 定性比较
2.8.3 基于不同目标性度量指标的加权多示例跟踪算法对比实验
2.8.4 定量比较
2.9 本章小结
第3章 基于压缩感知尺度自适应的多示例交通目标跟踪方法
3.1 引言
3.2 基于压缩感知的多示例特征提取
3.3 低维压缩特征的多示例分类
3.4 基于目标性度量的尺度自适应调整
3.4.1 尺度自适应跟踪框选取
3.4.2 目标性度量
3.5 基于目标判别机制的分类器更新
3.6 实验结果与性能分析
3.6.1 参数设置
3.6.2 定性比较
3.6.3 定量分析
3.6.4 对比实验
3.7 本章小结
第4章 基于特征学习轨迹置信度计算的多人目标跟踪方法
4.1 引言
4.2 基于KCF学习轨迹置信度计算的多人目标跟踪算法
4.2.1 基于KCF的关联相似度计算
4.2.2 基于KCF的检测响应校正
4.2.3 基于KCF的遮挡分析
4.2.4 基于APCE轨迹置信度的两步数据关联
4.2.5 候选目标假设集的更新
4.3 实验结果与性能分析
4.3.1 多目标跟踪数据集
4.3.2 参数设置与评价指标
4.3.3 消融实验分析
4.3.4 与主流算法对比分析
4.4 本章小结
第二篇 2D人体姿态估计
第5章 基于多尺度特征学习的多人姿态估计
5.1 引言
5.2 基于多尺度特征学习的多人姿态估计算法
5.2.1 网络架构设计
5.2.2 基于注意力的多尺度特征融合模型
5.2.3 尺度感知的关节点回归模型
5.3 实验结果与性能分析
5.3.1 多人姿态估计数据集
5.3.2 参数设置与评价指标
5.3.3 消融实验分析
5.3.4 与主流算法对比分析
5.4 本章小结
第6章 基于序列多尺度特征融合表示的层级舞蹈动作姿态估计
6.1 引言
6.2 基于序列多尺度特征融合表示的层级舞蹈动作姿态估计算法
6.2.1 基于YOLOv3的人体框检测
6.2.2 多尺度特征融合表示
6.2.3 基于关节点几何关系的层级姿态估计
6.2.4 损失函数
6.3 实验结果与性能分析
6.3.1 实验数据、对比算法及评价指标
6.3.2 实验设置
6.3.3 实验结果分析
6.4 本章小结
第三篇 3D人体姿态估计
第7章 基于时空注意力机制的3D人体姿态估计
7.1 引言
7.2 网络结构设计
7.3 基于时空注意力机制的3D人体姿态估计算法
7.3.1 骨架约束池化模型
7.3.2 时空注意力特征提取模型
7.3.3 多尺度特征融合模型
7.3.4 网络损失函数
7.4 实验结果与性能分析
7.4.1 3D姿态数据集
7.4.2 参数设置与评价指标
7.4.3 消融实验分析
7.4.4 与主流算法对比分析
7.4.5 可视化结果
7.5 本章小结
第8章 基于平行多尺度时空图卷积网络的3D人体姿态估计
8.1 引言
8.2 时空图卷积网络
8.3 平行多尺度时空图卷积模型
8.3.1 对角占优的时空注意力图卷积
8.3.2 平行多尺度时空图卷积网络
8.4 整体网络结构
8.5 实验结果与性能分析
8.5.1 数据集与评价指标
8.5.2 实验设置
8.5.3 实验结果分析
8.5.4 可视化结果
8.6 本章小结
第四篇 舞蹈姿态估计与对比分析
第9章 基于2D姿态估计的舞蹈动作相似度计算
9.1 引言
9.2 基于阶梯型相似度计算的2D舞蹈动作对比
9.2.1 关节点定位
9.2.2 偏移角度计算
9.2.3 相似度计算与姿态叠加
9.3 实验结果与性能分析
9.3.1 实验数据与环境
9.3.2 基于2D姿态估计的实验结果与分析
9.4 本章小结
第10章 基于3D姿态估计的舞蹈动作相似度计算
10.1 引言
10.2 基于上下文和跨
展开
