机读格式显示(MARC)

• 000 01736nam0 2200277 450

• 001 0000286168

• 005 20230719102800.0

• 010 __ |a 978-7-5642-3468-3 |d CNY48.00

• 100 __ |a 20201118d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 310000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 不同复杂度行为识别 |A bu tong fu za du xing wei shi bie |e 基于深度信息的一项研究 |f 曲成璋著

• 210 __ |a 上海 |c 上海财经大学出版社 |d 2020.9

• 215 __ |a 140页 |c 图 |d 24cm

• 300 __ |a 本书获得如下资助: 武汉商学院学术著作基金资助 (自科类)。湖北省青年自科基金项目资助, 项目名称: 融合深度信息的三维手势行为识别研究 (2018CFB310)。武汉商学院博土科研基金项目资助 (资助号2017KB006), 项目名称: 基于深度信息与生成对抗网络的交互行为识别研究

• 314 __ |a 曲成璋, 武汉商学院信息工程学院教师, 致力于机器学习、计算机视觉领域相关理论与应用研究。

• 320 __ |a 有书目 (第129-140页)

• 330 __ |a 本书从深度数据入手, 分析研究了三种不同复杂度行为的识别问题。行为的不同复杂度对应着深度数据的使用方式上的不同, 我们把深度数据分为基于二维静态的深度数据, 单点三维动态深度数据和多点三维动态深度数据三类。本书第一部分通过定位单帧深度信息中的目标候选区域并结合RGB图像进行进一步确认与分析来对具有深度异常值的特殊目标行为进行识别。本书第二部分主要研究基于单点动态深度信息的行为识别。第三部分以基于多关节点三维时间序列的人体交互行为识别问题作为具体研究案例, 进行基于多点动态深度信息的行为识别研究。本书对深度数据在不同复杂度行为的识别问题中的探索与应用提出了具体可行的解决方案, 并对实验结果做了详细的讨论分析。

• 333 __ |a 本书适合计算机等相关专业对计算机视觉感兴趣的学生学习和参考

• 606 0_ |a 行为分析 |A xing wei fen xi

• 690 __ |a B848.4 |v 5

• 701 _0 |a 曲成璋 |A qu cheng zhang |4 著

• 801 _0 |a CN |b 湖北三新 |c 20201118

• 905 __ |a GDPTC |d B848.4/1803