深度学习在生理机能中的应用

   随着人们生活质量的提高，人体生理机能健康愈加地受到人们的重视，因此人体的生理机能评估也变得越来越重要。合理科学的生理机能评估对预防生理机能病变、保障人体健康尤为重要。本书针对复杂的人体运动问题，探索一种基于几何代数的人体运动表征方法，并以机器学习、深度学习为方法，为分析人体运动提供有效的解决方案。本书介绍了可变形卷积神经网络算法跟踪器、李生框架SiamFC跟踪算法、人体姿态描述方法、人体姿态朝向描述符以及人体生理机能评估系统。
本书适合从事人工智能、计算机视觉等领域工作的学者，尤其是基于深度学习人体运动分析方面研究的科研人员阅读和参考。

前言
第1章 人体目标跟踪算法研究
1.1 研究背景和意义
1.2 人体目标跟踪算法的研究现状
1.2.1 人体目标跟踪的重要组成部分
1.2.2 人体目标跟踪算法分类
参考文献
第2章 可变形卷积神经网络算法跟踪器
2.1 卷积神经网络
2.2 可变形卷积神经网络
2.2.1 可变形卷积的构建
2.2.2 可变形网络理论
2.2.3 可变形网络反向传播
2.3 可变形卷积神经网络算法的设计
2.3.1 MDNet跟踪算法概述
2.3.2 DCT网络设计
2.3.3 DCT算法软化损失函数
2.3.4 DCT跟踪器算法设计
2.3.5 DCT算法性能优化
2.4 本章小结
参考文献
第3章 通道注意力形变算法跟踪器
3.1 注意力基础知识
3.2 通道注意力形变网络设计
3.2.1 CDCT的组归一化
3.2.2 通道注意力形变模块设计
3.2.3 CDCT跟踪算法设计
3.3 跟踪器性能比较
3.3.1 CDCT性能对比
3.3.2 对比实验
3.4 本章小结
参考文献
第4章 3D骨架朝向数据的几何代数表示与集成方法研究
4.1 3D骨架朝向数据应用
4.2 骨架数据获取方法
4.2.1 直接获取3D骨架数据
4.2.2 3D姿态估计和骨架构造
4.3 信息表达
4.3.1 关于关节位移的表征
4.3.2 基于关节方向的表征
4.3.3 基于原始关节位置的表征
4.3.4 多模态表征
4.3.5 小结
4.4 表征编码
4.4.1 基于连接的编码
4.4.2 基于统计的编码
4.4.3 基于词袋的编码
4.4.4 小结
4.5 结构和拓扑变换
4.5.1 基于低级特征的表征
4.5.2 基于身体部位模型的表征
4.5.3 基于流行的表征
4.5.4 小结
参考文献
第5章 几何代数基础
5.1 几何代数
5.2 外积
5.3 内积
5.4 几何积
5.5 逆运算和倒运算
5.6 叉积
5.7 反射和旋转
5.7.1 反射
5.7.2 旋转
5.8 本章小结
参考文献
第6章 基于几何代数的人体姿态朝向描述符及集成动作分类算法介绍
6.1 人体的姿态描述与内在关系
6.2 基于几何代数的人体姿态朝向描述符
6.2.1 基于几何代数的人体关节旋转描述
6.2.2 基于几何代数的人体关节角度描述
6.3 基于几何代数的人体姿态朝向表征及集成动作分类方法
6.3.1 基于几何代数的人体姿态朝向表征
6.3.2 集成动作分类方法
6.4 线性及非线性GA-SVM
6.4.1 线性GA-SVM
6.4.2 非线性GA-SVM
6.5 本章小结
参考文献
第7章 基于几何代数的人体姿态朝向表征算法分析、验证及应用
7.1 基于KinectV2骨骼朝向数据集
7.2 在数据集SZU-3D-SOEARD上的表征和分类算法分析、验证
7.3 在数据集SYSU-3D-HOI上的表征和分类算法分析、验证
7.4 基于单帧人体姿态朝向表征的在线实时姿态校准系统
7.5 本章小结
参考文献
第8章 基于运动目标的光流信息以及光流网络介绍
8.1 光流法的基本概念
8.2 L-K光流法及改进算法
8.2.1 L-K光流算法
8.2.2 L-K金字塔光流算法
8.3 光流网络的分类
8.3.1 光流卷积网络FlowNet
8.3.2 光流卷积网络FlowNet 2.0
8.3.3 光流网络TV-Net
8.4 本章小结
参考文献
第9章 基于光流法的抗鲁棒跟踪算法
9.1 CMT跟踪算法详解
……