基于多层次理解的视频分析技术与应用

　　在“视频大数据”时代，利用人工智能技术对视频中的目标行为进行智能识别与分析，可为公共与国防安全、体育与娱乐等领域的诸多应用提供更高层级的技术支持。本书以体育场景为重点，进行案例剖析。研究体育运动中人类活动规律，构造智能系统，可为提高运动员竞技能力、促进大众科学健身提供新的高科技手段，极大提高了体育产业的智能化程度。本书剖析了主流的视频行为分析技术，基于多个层次对体育视频中个体及群体行为进行理解，重点研究了体育视频中的目标跟踪与行为识别，具体包括单目标跟踪，多目标跟踪，单目标行为识别，群体行为识别等智能视觉任务，涉及关系学习，监督学习，无监督学习等优化方法。本书剖析了体育场景的特殊性，体育目标描述的复杂性，体育群体关系建模的专业性等难题，并提出一系列基于深度模型的解决方法，建立起契合体育场景的、高效鲁棒的目标分析框架，以供广大读者参考。编辑团队总结了人工智能在视频分析领域的最新成果，在编写过程中参考了大量书籍、文献及手册资料，在此向各位相关作者表示诚挚的感谢。同时，由于作者水平有限，而且智能体育分析技术是一种正在不断发展和完善的技术，本书难以概括全面，敬请读者批评指正。

　　孔龙腾，北京邮电大学博士后，毕业于北京航空航天大学，长期从事计算机视觉与模式识别研究。发表IEEE Transactions on Image Processing （TIP），IEEE Transactions on Circuits and Systems for Video Technology （TCSVT）等国际权威期刊或会议15篇，其中第一作者或通讯作者5篇，均为中科院1区），主持或参与国自然青年基金项目、国自然面上项目、科技部重点研发项目、港澳台专项项目8项。现为人工智能顶级期刊TIP、TCSVT、TMM等审稿人，北京图象图形学学会（BSIG）青年工作委员会委员、人工智能人机交互专委会委员。