机器学习行为识别
2020-09-21 10:49:07 0 举报AI智能生成
登录查看完整内容
基于机器学习的行为识别技术研究
作者其他创作
大纲/内容
4 基于改进PLSA和案例推理算法的简单歧义行为识别
4.1 引言
4.2 PLSA模型的基本原理
4.3 案例推理
4.4 改进PLSA+CBR歧义行为识别算法
4.5 实验与结果
4.5.1 KTH数据库实验
4.5.2 Weizmann数据库实验
4.5.3 UCF sports数据库
4.5.4 自建数据库
4.6 本章小结
5 基于马尔科夫逻辑网络的复杂行为识别
5.1 引言
5.2 马尔科夫逻辑网简介
5.3 基于马尔科夫逻辑网的复杂行为识别
5.4 实验与结果
5.4.1 UCF sports数据库
5.4.2 U T-interaction dataset
5.4.3 Olympic sports dataset
5.4.4 HOLLY WOOD & HOLLY WOOD-2 human actions datasets
5.4.5 自建数据库
5.5 本章小结
6 结束语
6.1 本文工作总结
6.2 进一步研究工作
基于机器学习的行为识别技术研究
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于统计的识别方法
1.2.2 基于文法的识别方法
1.2.3 基于描述的识别方法
1.3 研究内容与论文组织
1.3.1 研究内容
1.3.2 全文组织结构
2 人体关键点跟踪及轨迹恢复
2.1 引言
2.2 人体结构模型
2.3 基于马尔科夫链蒙特卡罗原理的改进粒子滤波算法
2.3.1 粒子滤波算法简介
2.3.2 马尔科夫链蒙特卡罗原理简介
2.3.3 基于马尔科夫链蒙特卡罗原理的改进粒子滤波算法
2.3.4 遮挡结束后的轨迹关联
2.3.5 基于SFM的人体遮挡位置轨迹点重建算法
2.4 实验与结果
2.4.1 KTH数据库实验
2.4.2 Weizmann数据库实验
2.4.3 UCF sports数据库
2.4.4 自建数据库
2.5 本章小结
3 基于词包的人体行为特征表示
3.1 引言
3.1.1 时空体积特征
3.1.2 轨迹（Trajectories）特征
3.1.3 时空局部特征
3.2 时空兴趣点特征
3.3 人体轨迹相空间重建及特征
3.3.1 相空间
3.3.2 相空间重建及特征提取
3.4 基于视觉词的人体行为特征表示
3.5 实验与结果
3.5.1 KTH数据库实验
3.5.2 Weizmann数据库实验
3.5.3 UCF sports数据库
3.5.4 自建数据库
3.6 本章小结
0 条评论
回复 删除
下一页
