基于视觉的三维人体运动分析
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要缩略语对照 | 第22-24页 |
| 第一章 绪论 | 第24-38页 |
| 1.1 选题背景及研究意义 | 第24-26页 |
| 1.2 研究课题的主要应用 | 第26-28页 |
| 1.2.1 驱动控制 | 第26-27页 |
| 1.2.2 视频监控 | 第27页 |
| 1.2.3 医学和体育运动分析 | 第27-28页 |
| 1.3 研究现状及进展 | 第28-30页 |
| 1.4 面临的困难与挑战 | 第30-33页 |
| 1.4.1 复杂的人体构造和运动 | 第31-32页 |
| 1.4.2 复杂的人体外观 | 第32页 |
| 1.4.3 多变的外界成像环境 | 第32-33页 |
| 1.4.4 成像过程中的信息丢失 | 第33页 |
| 1.5 本文的研究内容及结构安排 | 第33-37页 |
| 1.5.1 主要研究内容 | 第33-36页 |
| 1.5.2 结构安排 | 第36-37页 |
| 1.6 本章小结 | 第37-38页 |
| 第二章 人体运动分析综述 | 第38-51页 |
| 2.1 通用问题假设 | 第38-39页 |
| 2.2 人体运动分析架构 | 第39-40页 |
| 2.3 映射算子空间 | 第40-42页 |
| 2.3.1 生成式方法 | 第40-41页 |
| 2.3.2 判别式方法 | 第41页 |
| 2.3.3 方法框架比较 | 第41-42页 |
| 2.4 图像特征空间建模 | 第42-44页 |
| 2.4.1 低级图像特征 | 第42-43页 |
| 2.4.2 图像描述子 | 第43-44页 |
| 2.4.3 摄像机配置 | 第44页 |
| 2.5 姿态参数空间建模 | 第44-49页 |
| 2.5.1 人体姿态描述 | 第45-46页 |
| 2.5.2 人体形状模型 | 第46-47页 |
| 2.5.3 人体运动模型 | 第47-49页 |
| 2.6 算法评估 | 第49页 |
| 2.7 本章小结 | 第49-51页 |
| 第三章 多核稀疏编码算法 | 第51-69页 |
| 3.1 引言 | 第51-52页 |
| 3.2 算法框架 | 第52页 |
| 3.3 词袋模型 | 第52-53页 |
| 3.4 HA-SIFT描述子 | 第53-54页 |
| 3.5 多核稀疏编码 | 第54-56页 |
| 3.5.1 建立目标函数 | 第54-56页 |
| 3.5.2 人体姿态空间转换 | 第56页 |
| 3.6 优化目标函数 | 第56-60页 |
| 3.6.1 更新稀疏编码矩阵W | 第56-59页 |
| 3.6.2 更新跨越参数矩阵A和B | 第59页 |
| 3.6.3 更新多核权值t | 第59-60页 |
| 3.7 基于MKSC的三维人体姿态估计 | 第60-61页 |
| 3.8 实验分析 | 第61-68页 |
| 3.8.1 多视角人体姿态估计 | 第61-63页 |
| 3.8.2 算法评估 | 第63-67页 |
| 3.8.3 算法的复杂度分析 | 第67-68页 |
| 3.9 本章小结 | 第68-69页 |
| 第四章 行为时空语义引导算法 | 第69-82页 |
| 4.1 引言 | 第69-70页 |
| 4.2 算法框架 | 第70-71页 |
| 4.3 三维人体模型 | 第71-72页 |
| 4.4 行为时空语义建模 | 第72-75页 |
| 4.4.1 行为空间语义建模 | 第72-74页 |
| 4.4.2 行为时间语义建模 | 第74-75页 |
| 4.5 行为时空语义引导三维人体姿态跟踪 | 第75-78页 |
| 4.5.1 基于三维姿态特征的行为识别算法 | 第75-76页 |
| 4.5.2 三维人体姿态跟踪 | 第76-78页 |
| 4.6 实验结果分析 | 第78-81页 |
| 4.6.1 实验设置 | 第78页 |
| 4.6.2 实验结果 | 第78-79页 |
| 4.6.3 算法评估 | 第79-81页 |
| 4.7 本章小结 | 第81-82页 |
| 第五章 鲁棒稀疏张量子空间学习 | 第82-114页 |
| 5.1 引言 | 第82-83页 |
| 5.2 相关工作 | 第83-85页 |
| 5.3 张量代数相关的符号与运算 | 第85-86页 |
| 5.4 人体外观模型与视觉表征 | 第86-88页 |
| 5.4.1 三维人体模型 | 第86-87页 |
| 5.4.2 视觉表征 | 第87-88页 |
| 5.4.3 算法框架 | 第88页 |
| 5.5 鲁棒稀疏张量子空间学习 | 第88-96页 |
| 5.6 三维人体姿态回归 | 第96-100页 |
| 5.6.1 建立目标函数 | 第96-97页 |
| 5.6.2 HRSTR | 第97-98页 |
| 5.6.3 ORSTR | 第98-100页 |
| 5.7 实验结果分析 | 第100-113页 |
| 5.7.1 Brown数据库上的实验结果 | 第100-106页 |
| 5.7.2 HumanEva数据库上的实验结果 | 第106-112页 |
| 5.7.3 特征选择与回归算法 | 第112-113页 |
| 5.7.4 算法讨论 | 第113页 |
| 5.8 本章小结 | 第113-114页 |
| 第六章 复合运动模型 | 第114-144页 |
| 6.1 引言 | 第114-115页 |
| 6.2 相关工作 | 第115-116页 |
| 6.3 复合运动模型框架 | 第116-117页 |
| 6.4 复合运动模型 | 第117-124页 |
| 6.4.1 启发 | 第117-118页 |
| 6.4.2 运动建模 | 第118-119页 |
| 6.4.3 人体行为识别 | 第119-120页 |
| 6.4.4 过渡桥合成 | 第120-123页 |
| 6.4.5 图像特征及其插值 | 第123-124页 |
| 6.4.6 模型之间的粒子扩散 | 第124页 |
| 6.5 基于复合运动模型的三维人体姿态跟踪 | 第124-131页 |
| 6.5.1 三维人体模型 | 第124-125页 |
| 6.5.2 基于肢体部件的评估函数 | 第125-127页 |
| 6.5.3 基于粒子的联合退火优化 | 第127-129页 |
| 6.5.4 联合优化算法步骤 | 第129-130页 |
| 6.5.5 算法的复杂性分析 | 第130-131页 |
| 6.6 实验分析 | 第131-143页 |
| 6.6.1 实验设置 | 第131-133页 |
| 6.6.2 评估度量和参数设置 | 第133-134页 |
| 6.6.3 实验结果及讨论 | 第134-143页 |
| 6.7 本章小结 | 第143-144页 |
| 第七章 局部拓扑保存的稀疏检索算法 | 第144-164页 |
| 7.1 引言 | 第144-146页 |
| 7.2 相关工作 | 第146页 |
| 7.3 对偶源框架 | 第146-147页 |
| 7.4 对偶字典学习 | 第147-149页 |
| 7.4.1 三维姿态数据的标准化 | 第147页 |
| 7.4.2 字典学习 | 第147-148页 |
| 7.4.3 对偶字典学习 | 第148-149页 |
| 7.5 二维人体姿态估计 | 第149-151页 |
| 7.5.1 人体外观似然 | 第149-151页 |
| 7.5.2 二维人体姿态估计 | 第151页 |
| 7.6 三维人体姿态检索 | 第151-154页 |
| 7.6.1 稀疏编码 | 第151-152页 |
| 7.6.2 局部拓扑保存的稀疏编码 | 第152-154页 |
| 7.7 局部拓扑保存的稀疏姿态检索 | 第154-155页 |
| 7.8 三维人体姿态估计 | 第155-156页 |
| 7.9 数据集描述 | 第156-157页 |
| 7.10 在HUMANEVA数据库上的实验结果 | 第157-161页 |
| 7.10.1 模型参数选择 | 第157-158页 |
| 7.10.2 三种姿态检索算法比较 | 第158-159页 |
| 7.10.3 三维姿态估计算法比较 | 第159-161页 |
| 7.11 在HUMAN3.6M数据库上的实验结果 | 第161-163页 |
| 7.12 算法讨论 | 第163页 |
| 7.13 本章小结 | 第163-164页 |
| 第八章 对偶多视角局部敏感的自动编码器 | 第164-180页 |
| 8.1 引言 | 第164-166页 |
| 8.2 基于MLSAE的三维人体姿态估计 | 第166-170页 |
| 8.2.1 MLSAE算法框架 | 第166-167页 |
| 8.2.2 MRSLRA | 第167-169页 |
| 8.2.3 局部敏感的自动编码器 | 第169-170页 |
| 8.3 三维人体姿态估计 | 第170-171页 |
| 8.4 模型训练 | 第171-172页 |
| 8.4.1 初始化 | 第171页 |
| 8.4.2 参数微调 | 第171-172页 |
| 8.5 实验分析 | 第172-176页 |
| 8.5.1 三维人体模型 | 第173-174页 |
| 8.5.2 视觉特征 | 第174页 |
| 8.5.3 参数优化 | 第174页 |
| 8.5.4 性能比较 | 第174-176页 |
| 8.6 多视角学习 | 第176-177页 |
| 8.7 姿态估计结果 | 第177页 |
| 8.8 鲁棒性和泛化性 | 第177-179页 |
| 8.8.1 鲁棒性能测试 | 第177-179页 |
| 8.8.2 泛化性能测试 | 第179页 |
| 8.9 本章小结 | 第179-180页 |
| 第九章 量子衍生克隆算法 | 第180-188页 |
| 9.1 引言 | 第180-181页 |
| 9.2 二维肢体部件检测器 | 第181-182页 |
| 9.2.1 二维肢体部件模型 | 第181-182页 |
| 9.2.2 学习和推断 | 第182页 |
| 9.3 基于量子衍生克隆的三维人体姿态估计 | 第182-185页 |
| 9.3.1 QBCA | 第182页 |
| 9.3.2 姿态描述 | 第182-183页 |
| 9.3.3 量子编码和初始化 | 第183-184页 |
| 9.3.4 距离相似度函数 | 第184页 |
| 9.3.5 三维人体姿态估计 | 第184-185页 |
| 9.4 实验结果及分析 | 第185-187页 |
| 9.4.1 基于QBCA的三维人体姿态估计 | 第185-186页 |
| 9.4.2 基于QBCA的三维人体姿态跟踪 | 第186-187页 |
| 9.5 本章小结 | 第187-188页 |
| 总结与展望 | 第188-191页 |
| 参考文献 | 第191-207页 |
| 攻读博士学位期间取得的研究成果 | 第207-211页 |
| 致谢 | 第211-212页 |
| 附件 | 第212页 |
