人群相干性流场分析及运动显著性检测.docxVIP

下载本文档

4
0
约2.66千字
约 6页
2023-05-20 发布于北京
举报
版权申诉

人群相干性流场分析及运动显著性检测.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

人群相干性流场分析及运动显著性检测摘要：本文利用计算机视觉和机器学习的技术，对人群在相互行动时的运动进行了流场分析，并对其中的运动显著性进行了检测。首先，通过基于深度学习的人体关键点检测技术获得每个人的关键点坐标，然后将这些关键点坐标构建成运动点集。接着，使用密度聚类算法对这些运动点进行聚类，以获得不同的运动群体之间的关系。同时，利用基于速度的运动分析方法，分析运动点集以预测未来的运动趋势。最后，通过实验验证了运动流场分析和运动显著性检测的有效性。关键词：计算机视觉、机器学习、流场分析、运动显著性检测、人群行为1.引言人类的行为是一种复杂的动态过程。在人们聚集在一起进行集体活动时