目录

第1章绪论

1．1图像工程

1．1．1图像技术和图像工程

1．1．2图像工程的3个层次

1．1．3图像工程相关学科和领域

1．1．4图像工程文献统计分类

1．2时空技术

1．2．1时空技术的发展

1．2．2时空技术的5个层次

1．3深度学习

1．3．1图像理解中的深度学习

1．3．2卷积神经网络的基本概念

1．3．3深度学习核心技术

1．4全书框架和各章简介

参考文献

第2章兴趣点和关键点

2．1时空兴趣点

2．1．1空间兴趣点的检测

2．1．2时空兴趣点的检测

2．2人体关键点

2．2．1基于图像的2D人体关键点检测

2．2．2基于视频的2D人体关键点检测

2．3多视角下的多人3D关键点检测

2．3．1基于多视角的3D人体关键点检测

2．3．2基于分层聚类的3D人体关键点检测

参考文献

第3章轨迹分析

3．1轨迹学习和分析

3．1．1场景建模

3．1．2轨迹学习

3．1．3活动分析

3．2轨迹特征聚类树

3．2．1轨迹特征提取

3．2．2特征聚类树

3．2．3FV编码树

3．2．4实验结果和分析

参考文献

第4章动作分类和识别

4．1动作分类

4．2动作识别

4．2．1各种活动中的动作识别

4．2．2动作识别的各种网络

4．3结合姿态和上下文的动作分类

4．3．1基于姿态模型的动作分类器

4．3．2基于上下文的动作分类器

4．4基于注意力机制的分类识别

4．4．1候选动作生成

4．4．2时域动作检测

参考文献

第5章活动建模和识别

5．1动作和活动建模

5．1．1动作建模

5．1．2活动建模

5．2主体动作联合建模

5．2．1单标签主体动作识别

5．2．2多标签主体动作识别

5．2．3主体动作语义分割

5．3用于活动识别的图卷积网络

5．3．1分通道拓扑细化建模

5．3．2用于动作识别的图卷积网络

5．3．3分尺度空间和动态时域卷积网络

参考文献

第6章行为识别网络

6．1结合运动和上下文的网络

6．1．1网络模型框架

6．1．2摄像机运动估计和补偿

6．1．3实验结果和分析

6．2利用结构信息的顺序分段网络

6．2．1顺序分段

6．2．2实验结果和分析

6．3基于骨架表达的方法

6．3．1骨架表达

6．3．2网络方法示例

参考文献

第7章异常事件检测

7．1异常事件检测方法分类

7．2基于神经网络的基本检测方法

7．2．1基于卷积自编码器和块学习

7．2．2基于单类神经网络的检测

7．3融合梯度差信息的稀疏去噪自编码器网络

7．3．1基于SDAE的方法

7．3．2基于SDAEGS的方法

7．3．3SDAE与SDAEGS的对比

7．4基于特征轨迹平滑的LSTM自编码器网络

7．4．1整体框架和流程

7．4．2实验结果和分析

7．5特征空间时序平滑的深度生成模型

7．5．1生成损失

7．5．2时序平滑损失

7．5．3训练和测试

7．5．4实验结果和分析

7．6场景内容适应的深度生成模型

7．6．1工作流程

7．6．2模型具体特点

7．6．3实验结果和分析

7．7主辅集成策略

7．7．1基本框架和流程

7．7．2主辅集成模块

7．7．3实验结果和分析

参考文献

第8章人物交互检测

8．1双阶段方法和单阶段方法

8．1．1双阶段方法

8．1．2单阶段方法

8．2基于转换器的方法

8．2．1使用转换器的双阶段方法

8．2．2使用转换器的单阶段方法

8．3更多典型方法

8．3．1零样本学习

8．3．2基于全局和局部实例的方法

8．3．3时空人物交互关系检测

8．4数据库和评价指标

8．4．1不同标注粒度的数据库

8．4．2特殊的数据库

8．4．3评价指标

参考文献

主题索引