本书深入探讨了步态视频分析领域的最新进展与核心技术。首先，系统介绍了步态视频分析的基本原理、方法、技术和应用，总结和分析了当前步态识别的研究和应用中存在的问题和难点。然后，针对端到端的步态识别、多样化的随机行走场景和时域步态特征提取中存在的难点问题，详细阐述了相应研究成果。本书内容全面、结构清晰、理论与实践并重，为读者深入理解和应用智能步态视频分析与识别技术提供了坚实的基础。
样章试读
目录
- 目录
前言
第1章 绪论 1
1.1 步态数据集概述 3
1.2 研究现状概述 6
1.2.1 步态数据预处理方法 7
1.2.2 基于步态模板图像的方法 9
1.2.3 基于一组步态剪影图像的方法 10
1.2.4 基于图像生成转换的方法 11
1.2.5 基于步态分块的方法 13
1.2.6 基于动作的步态识别方法 13
1.3 步态识别面临的挑战 16
第2章 基于语义分割和迁移学习的步态剪影分割 20
2.1 主要思路与总体结构 22
2.2 基于注意力机制的语义分割 23
2.2.1 上采样中的注意力模块 23
2.2.2 特征融合中的注意力模块 25
2.2.3 基于Xception和残差连接的编码-解码结构 27
2.3 基于行人分割迁移学习的步态识别 29
2.3.1 基于语义分割和迁移学习的端到端步态识别 29
2.3.2 基于语义分割和迁移学习特征融合的端到端步态识别 30
2.4 实验结果与分析 31
2.4.1 基于注意力机制的语义分割网络实验结果与分析 31
2.4.2 基于行人分割迁移学习的步态识别实验结果与分析 36
2.5 本章小结 42
第3章 基于卷积神经网络的步态周期检测 44
3.1 卷积神经网络概述 45
3.2 基于分类的步态周期检测 47
3.2.1 周期分类建模 47
3.2.2 基于分类的卷积神经网络步态周期检测 48
3.2.3 采用的卷积神经网络结构 48
3.3 基于回归拟合的步态周期检测 49
3.3.1 步态周期的正弦函数建模 50
3.3.2 基于回归拟合的卷积神经网络步态周期检测 51
3.3.3 采用的卷积神经网络结构 51
3.4 实验结果与分析 52
3.4.1 基于分类的步态周期检测实验结果与分析 53
3.4.2 基于回归拟合的步态周期检测实验结果与分析 54
3.5 本章小结 60
第4章 基于非周期步态模板的步态识别 61
4.1 步态能量图概述 62
4.2 非周期的步态能量图方法 63
4.2.1 非周期的步态能量图方法流程 63
4.2.2 固定帧数的选取 64
4.3 实验结果与分析 67
4.3.1 基于欧几里得距离和最近邻分类器的步态识别实验结果与分析 68
4.3.2 基于PCA的步态识别实验结果与分析 69
4.3.3 基于神经网络的步态识别实验结果与分析 71
4.4 本章小结 74
第5章 基于多步态模板融合及分区思想的步态识别 75
5.1 步态模板 76
5.1.1 活动能量图 76
5.1.2 步态熵图像 76
5.2 基于多步态模板融合的步态识别 77
5.2.1 多模板彩色步态能量图构建框架 77
5.2.2 多模板彩色步态能量图 79
5.3 基于分区域的多步态模板融合步态识别方法 80
5.3.1 多模板彩色步态能量图的区域划分 81
5.3.2 基于分区域的多模板彩色步态能量图 82
5.4 实验结果与分析 84
5.4.1 基于多步态模板融合的步态识别实验结果与分析 84
5.4.2 基于分区域的多步态模板融合步态识别实验结果与分析 89
5.5 本章小结 93
第6章 基于特征差分运动模板的步态识别 95
6.1 主要思路与总体结构 96
6.2 基于运动模板的行为信息提取器 97
6.2.1 特征差分运动模板 98
6.2.2 运动模板嵌入方法 101
6.3 多帧聚合器 104
6.4 实验结果与分析 106
6.4.1 实验参数设置 106
6.4.2 行为信息提取器的作用 108
6.4.3 多帧聚合器的作用 109
6.4.4 整体实验 111
6.5 本章小结 112
第7章 基于双向类光流动作表征的步态识别 113
7.1 主要思路与总体结构 114
7.2 双向类光流动作表征 117
7.2.1 双边运动导向模块 117
7.2.2 多时空尺度特征扩展 120
7.3 分割误差校正模块 122
7.4 实验结果与分析 124
7.4.1 实验参数设置 124
7.4.2 双边运动导向模块的分析 126
7.4.3 多时空尺度特征扩展的分析 127
7.4.4 分割误差校正模块的分析 128
7.4.5 损失函数的分析 129
7.4.6 整体实验 130
7.5 本章小结 131
第8章 基于局部时空卷积的步态识别 132
8.1 主要思路与总体结构 133
8.2 局部时空卷积模块 134
8.2.1 全局双向空间池化 135
8.2.2 局部时空卷积层 137
8.3 局部时空池化方法 140
8.4 实验结果与分析 141
8.4.1 实验参数设置 142
8.4.2 全局双向空间池化的分析 143
8.4.3 局部时空卷积层的分析 144
8.4.4 局部时空池化的分析 145
8.4.5 整体实验 145
8.5 本章小结 147
第9章 基于生成对抗网络的步态转换与识别 148
9.1 步态转换方法的主要思路 148
9.2 步态转换网络的研究与设计 149
9.2.1 构建损失函数 150
9.2.2 生成器网络设计 151
9.2.3 判别器网络设计 155
9.3 步态转换实验过程及结果 156
9.3.1 实验参数设置 156
9.3.2 视角转换实验结果对比 157
9.3.3 形态转换实验结果对比 161
9.3.4 步态转换与识别实验结果对比 162
9.4 本章小结 167
第10章 基于图像修复方法的步态图像遮挡消除 169
10.1 基于相似性度量的步态图像遮挡检验 169
10.2 图像修复 170
10.2.1 传统图像修复方法 170
10.2.2 基于深度学习的图像修复方法 172
10.3 基于门控卷积边缘连接的步态图像遮挡消除模型 177
10.3.1 网络结构 177
10.3.2 注意力机制 180
10.3.3 卷积方式 186
10.4 实验结果与分析 190
10.4.1 遮挡条件下行人步态数据集构建 190
10.4.2 步态图像遮挡检测实验结果与分析 194
10.4.3 基于传统图像修复方法的步态图像遮挡消除实验结果与分析 195
10.4.4 基于深度学习的图像修复方法的步态图像遮挡消除实验结果与分析 198
10.4.5 基于门控卷积边缘连接的步态图像遮挡消除实验结果与分析 200
10.4.6 基于遮挡还原能量图的步态识别实验结果与分析 205
10.5 本章小结 210
参考文献 211
京公网安备 11010102004214号