人體運動分析與跟蹤技術

前言
第1章 緒論 1
1.1 運動跟蹤 1
1.2 本書主要內容 2
1.3 本書內容組織 3
第2章 三維人體運動研究綜述 5
2.1 三維人體運動研究的基本問題 5
2.2 三維人體運動模型 6
2.3 三維人體運動資料處理 10
2.3.1 運動合成 12
2.3.2 運動資料壓縮 15
2.3.3 運動資料庫檢索 18
2.4 運動空間降維 20
2.5 三維運動識別 26
2.6 運動真實性評價 28
2.7 試驗資料庫 33
2.8 小結 37
第3章 基於標記點的人體運動跟蹤技術 38
3.1 基於反光標記點的運動捕捉技術綜述 38
3.2 關鍵技術 39
3.2.1 標記點貼法 39
3.2.2 標記點跟蹤 40
3.2.3 標記點恢復 41
3.3 帶標記點人體運動捕捉典型系統 44
3.4 帶標記點人體運動捕捉系統重要參數 46
3.5 典型應用 47
3.6 小結 49
第4章 基於標記點的人體運動跟蹤技術 50
4.1 基於視頻的運動捕捉技術 53
4.2 關鍵技術分析 54
4.2.1 目標檢測 54
4.2.2 目標分類 55
4.2.3 人體跟蹤 57
4.2.4 動作識別 59
4.3 人體運動跟蹤框架簡介 61
4.3.1 貝葉斯框架 61
4.3.2 卡爾曼濾波 61
4.3.3 均值漂移跟蹤演算法 62
4.3.4 粒子濾波演算法 63
4.4 典型應用 64
4.5 小結 67
第5章 基於稀疏表示的視頻人體運動跟蹤方法 68
5.1 引言 68
5.2 相關理論 68
5.2.1 稀疏表示理論 68
5.2.2 基於稀疏表示的跟蹤演算法 69
5.2.3 Wang—Landau演算法 70
5.2.4 基於Wang—Landau演算法的跟蹤 71
5.3 演算法實現 72
5.3.1 目標範本與稀疏詞典的建立 72
5.3.2 範本更新和遮擋檢測 74
5.3.3 跟蹤策略 74
5.4 試驗對比與分析 78
5.4.1 試驗設置 78
5.4.2 試驗結果與分析 79
5.4.3 試驗對比與分析 81
5.5 小結 82
第6章 基於分層結構的三維人體運動模型 83
6.1 問題的提出 83
6.2 三維骨架運動模型 83
6.2.1 人體運動模型 84
6.2.2 骨架運動模型 84
6.2.3 人體模型資料結構定義 85
6.2.4 人體坐標系定義 87
6.3 人體運動約束 89
6.3.1 生物力學約束 89
6.3.2 基於統計的運動約束 90
6.4 試驗 93
6.5 小結 94
第7章 線性低維運動空間表示模型 95
7.1 問題的提出和描述 95
7.1.1 問題的提出 95
7.1.2 降維問題描述 95
7.2 基於主成分分析的運動空間降維 96
7.2.1 主成分分析 96
7.2.2 運動描述 97
7.2.3 基於主成分分析的運動空間降維處理 98
7.3 不同真實感運動生成 99
7.3.1 虛關節 99
7.3.2 試驗及結果分析 100
7.4 運動週期獲取 103
7.4.1 運動週期獲取演算法 103
7.4.2 試驗及結果分析 103
7.5 運動身份識別 105
7.5.1 運動相似度計算 106
7.5.2 試驗及結果分析 107
7.6 小結 110
第8章 基於高斯過程動態模型的非線性低維空間運動描述 111
8.1 高斯過程動態模型 111
8.2 基於高斯過程動態模型的運動降維 113
8.3 三維曲線矩不變數描述 115
8.4 運動描述及試驗結果 116
8.5 小結 118
第9章 基於姿態投影的運動分析技術 119
9.1 問題的提出 119
9.2 姿態投影 120
9.2.1 正八面體模型 120
9.2.2 投影模型 120
9.3 運動投影點獲取 124
9.4 運動投影檢索 124
9.4.1 運動庫的組織 125
9.4.2 系統框架 127
9.4.3 試驗及分析 129
9.5 小結 131
第10章 總結與展望 132
10.1 工作總結 132
10.2 未來的發展 134
參考文獻 135