| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 文章结构 | 第13-15页 |
| 第2章 人体行为描述方法 | 第15-21页 |
| 2.1 全局特征提取 | 第15-17页 |
| 2.2 局部特征提取 | 第17-19页 |
| 2.3 全局与局部特征融合 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于形状上下文的行为识别算法 | 第21-35页 |
| 3.1 引言 | 第21页 |
| 3.2 两个人体轮廓的相似度 | 第21-24页 |
| 3.2.1 人体轮廓的形状上下文 | 第21-22页 |
| 3.2.2 两个人体轮廓的最佳匹配序列 | 第22-23页 |
| 3.2.3 两个人体轮廓的形状距离 | 第23-24页 |
| 3.3 关键轮廓的选取 | 第24-27页 |
| 3.3.1 K 个候选关键轮廓 | 第25页 |
| 3.3.2 候选关键轮廓权值设置 | 第25-26页 |
| 3.3.3 候选关键轮廓排序 | 第26-27页 |
| 3.4 动作识别 | 第27页 |
| 3.5 实验结果 | 第27-34页 |
| 3.5.1 前景提取和轮廓跟踪 | 第31页 |
| 3.5.2 形状上下文与 SIFT 的对比实验 | 第31-33页 |
| 3.5.3 关键轮廓选取的作用分析 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于 SURF 兴趣点的行为识别算法 | 第35-50页 |
| 4.1 引言 | 第35页 |
| 4.2 兴趣点检测器选择 | 第35-37页 |
| 4.2.1 兴趣点检测算法的评估准则 | 第35-36页 |
| 4.2.2 SURF 算法和 SIFT 算法的对比 | 第36-37页 |
| 4.3 人体动作兴趣点检测 | 第37-40页 |
| 4.3.1 积分图像 | 第37-38页 |
| 4.3.2 卷积响应图 | 第38-39页 |
| 4.3.3 非极值抑制方法 | 第39-40页 |
| 4.4 兴趣点预处理 | 第40-45页 |
| 4.4.1 去噪音点 | 第40-42页 |
| 4.4.2 去离群点 | 第42-45页 |
| 4.5 运动轨迹点集的特征提取 | 第45-47页 |
| 4.5.1 运动轨迹点集 | 第45-46页 |
| 4.5.2 特征提取 | 第46-47页 |
| 4.5.3 特征量化 | 第47页 |
| 4.6 实验分析 | 第47-49页 |
| 4.6.1 SURF 的参数设置 | 第47页 |
| 4.6.2 实验结果 | 第47-49页 |
| 4.6.3 对比实验 | 第49页 |
| 4.7 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读学位期间发表的论文 | 第56-58页 |
| 致谢 | 第58页 |