第1章 绪论 001
1．1 研究目的和意义 001
1．2 国内外研究现状 005
1．2．1 人体姿态估计 005
1．2．2 基于视频的人体动作识别 011
1．2．3 基于骨架序列的人体动作识别 014
1．2．4 基于互动关系的视觉人体动作识别 015
1．2．5 视频群体动作识别 027
1．3 研究内容 032
1．4 本书结构安排 034
第2章 基于时序一致性探索的人体2D姿态估计 036
2．1 引言 036
2．2 相关工作 038
2．2．1 基于深度学习的视频人体2D姿态估计 038
2．2．2 卷积长短时记忆网络和可变形卷积 038
2．3 问题定义 039
2．4 图像人体2D姿态估计网络 040
2．5 视频时序一致性探索 041
2．5．1 变形操作 042
2．5．2 聚合操作 043
2．5．3 双向时序一致性探索 043
2．5．4 多尺度时序一致性探索 044
2．6 视频人体2D姿态估计网络 044
2．7 实验结果 046
2．7．1 实验设置 046
2．7．2 性能比较 048
2．7．3 模型控制变量分析与实验结果 051
2．8 本章小结 055
第3章 多视角几何驱动的自监督人体3D姿态估计 057
3．1 引言 057
3．2 相关工作 059
3．2．1 基于深度学习的单目人体3D姿态估计 060
3．2．2 弱/自监督单目人体3D姿态估计 060
3．3 自监督人体3D姿态估计方法 061
3．3．1 双分支自监督训练网络结构 061
3．3．2 损失函数 062
3．3．3 训练 064
3．4 实验结果 065
3．4．1 实验设置 065
3．4．2 模型控制变量分析与实验结果 066
3．4．3 性能比较 070
3．5 本章小结 071
第4章 基于人体形状与相机视角一致分解的人体3D姿态估计 072
4．1 引言 072
4．2 相关工作 074
4．2．1 基于字典学习的单目人体3D姿态估计方法 074
4．2．2 运动恢复非刚体结构 075
4．3 问题定义 075
4．4 一致分解网络 076
4．5 层次化字典学习 077
4．6 模型训练 079
4．7 实验结果 079
4．7．1 实验设置 079
4．7．2 模型控制变量分析与实验结果 080
4．7．3 性能比较 083
4．8 本章小结 084
第5章 基于多时空特征的人体动作识别 086
5．1 引言 086
5．2 相关工作 088
5．2．1 基于表观的时空表示学习 088
5．2．2 基于骨架序列的时空表示学习 089
5．3 多时空特征人体动作识别方法概述 089
5．4 多层级表观特征聚合 090
5．4．1 局部演化描述符提取 090
5．4．2 局部演化描述符编码 092
5．4．3 深度监督的多层级特征聚合 092
5．5 时空图卷积网络 093
5．5．1 时空图卷积 094
5．5．2 网络细节 095
5．6 实验结果 096
5．6．1 实验设置 096
5．6．2 模型控制变量分析与实验结果 097
5．6．3 性能比较 099
5．7 本章小结 100
第6章 基于扁平式互动关系分析的多人动作识别 101
6．1 引言 101
6．2 相关工作 109
6．3 特征表征 111
6．3．1 肢体角度描述符特征 113
6．3．2 空间布局特征 114
6．3．3 基于融合受限玻尔兹曼机的特征融合 116
6．4 线索互动关系模型 126
6．5 扁平式动作识别方法 127
6．6 局部线索与局部识别 129
6．7 基于目标子空间度量的动作相关性分析 130
6．8 全局线索整合与动作识别 131
6．8．1 全局-局部线索整合算法 131
6．8．2 改进全局-局部线索整合算法 132
6．9 实验结果与分析 136
6．9．1 数据集及实验设置 136
6．9．2 算法结果与分析 138
6．9．3 与现有方法的对比 146
6．10 本章小结 149
第7章 基于层级式互动关系分析的群组动作识别 150
7．1 引言 150
7．2 相关工作 152
7．3 混合群组动作模型 154
7．4 混合群组动作模型的概率分布 157
7．5 基于混合群组动作模型的动作识别算法 161
7．6 实验与算法分析 162
7．6．1 数据集和实验设置 162
7．6．2 算法结果和分析 163
7．6．3 与现有方法的对比 168
7．7 本章小结 170
第8章 融合动作相关性的群体动作识别 171
8．1 引言 171
8．2 相关工作 172
8．3 问题定义 173
8．4 动作表示 173
8．4．1 多尺度特征 174
8．4．2 动作表示提取 175
8．5 动作关系推理 177
8．5．1 动作相关性 177
8．5．2 关系推理 179
8．5．3 算法描述 180
8．6 时空表示 181
8．7 模型训练 184
8．8 实验分析 185
8．8．1 数据集与评价指标 185
8．8．2 实验设置 187
8．8．3 实验结果分析 187
8．9 本章小结 193
第9章 结论与展望 194