基于多層次理解的視頻分析技術(shù)與應(yīng)用

　　在“視頻大數(shù)據(jù)”時代，利用人工智能技術(shù)對視頻中的目標行為進行智能識別與分析，可為公共與國防安全、體育與娛樂等領(lǐng)域的諸多應(yīng)用提供更高層級的技術(shù)支持。本書以體育場景為重點，進行案例剖析。研究體育運動中人類活動規(guī)律，構(gòu)造智能系統(tǒng)，可為提高運動員競技能力、促進大眾科學健身提供新的高科技手段，極大提高了體育產(chǎn)業(yè)的智能化程度。本書剖析了主流的視頻行為分析技術(shù)，基于多個層次對體育視頻中個體及群體行為進行理解，重點研究了體育視頻中的目標跟蹤與行為識別，具體包括單目標跟蹤，多目標跟蹤，單目標行為識別，群體行為識別等智能視覺任務(wù)，涉及關(guān)系學習，監(jiān)督學習，無監(jiān)督學習等優(yōu)化方法。本書剖析了體育場景的特殊性，體育目標描述的復雜性，體育群體關(guān)系建模的專業(yè)性等難題，并提出一系列基于深度模型的解決方法，建立起契合體育場景的、高效魯棒的目標分析框架，以供廣大讀者參考。編輯團隊總結(jié)了人工智能在視頻分析領(lǐng)域的最新成果，在編寫過程中參考了大量書籍、文獻及手冊資料，在此向各位相關(guān)作者表示誠摯的感謝。同時，由于作者水平有限，而且智能體育分析技術(shù)是一種正在不斷發(fā)展和完善的技術(shù)，本書難以概括全面，敬請讀者批評指正。

　　孔龍騰，北京郵電大學博士后，畢業(yè)于北京航空航天大學，長期從事計算機視覺與模式識別研究。發(fā)表IEEE Transactions on Image Processing （TIP），IEEE Transactions on Circuits and Systems for Video Technology （TCSVT）等國際權(quán)威期刊或會議15篇，其中第一作者或通訊作者5篇，均為中科院1區(qū)），主持或參與國自然青年基金項目、國自然面上項目、科技部重點研發(fā)項目、港澳臺專項項目8項?，F(xiàn)為人工智能頂級期刊TIP、TCSVT、TMM等審稿人，北京圖象圖形學學會（BSIG）青年工作委員會委員、人工智能人機交互專委會委員。