| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13页 |
| ·国内外研究现状 | 第13-17页 |
| ·国外研究现状 | 第13-16页 |
| ·国内研究现状 | 第16-17页 |
| ·本文的创新性工作 | 第17页 |
| ·本文的结构安排 | 第17-19页 |
| 第2章 基础理论介绍 | 第19-32页 |
| ·特征提取 | 第19-23页 |
| ·文本特征 | 第20页 |
| ·音频特征 | 第20页 |
| ·视觉特征 | 第20-23页 |
| ·无监督聚类 | 第23-24页 |
| ·BOVW 模型 | 第24-26页 |
| ·机器学习模型 | 第26-31页 |
| ·支持向量机 | 第26-27页 |
| ·随机森林 | 第27-28页 |
| ·主题模型 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 人行为检测相关理论及算法研究 | 第32-44页 |
| ·空时兴趣点特征研究及分析 | 第33-38页 |
| ·角点特征研究及分析 | 第33页 |
| ·SIFT 兴趣点特征研究及分析 | 第33-35页 |
| ·3D SIFT 兴趣点特征的研究及分析 | 第35-36页 |
| ·基于线性滤波器的兴趣点特征研究及分析 | 第36-38页 |
| ·描述子研究及分析 | 第38-42页 |
| ·空时描述子 | 第38-39页 |
| ·SIFT 描述子 | 第39-41页 |
| ·基于 DFT, DCT, DWT 变换的特征描述子 | 第41-42页 |
| ·现有方法存在的问题研究及分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于空时轮廓滑动块梯度直方图的人行为识别方法 | 第44-54页 |
| ·人行为检测算法框架 | 第44页 |
| ·特征提取 | 第44-51页 |
| ·三维梯度 | 第44-46页 |
| ·空时轮廓模型 | 第46-47页 |
| ·滑动块定义 | 第47-50页 |
| ·空时轮廓面滑动块梯度直方图特征描述 | 第50-51页 |
| ·特征提取 | 第51页 |
| ·稀疏编码 | 第51-52页 |
| ·视频稀疏表达 | 第52-53页 |
| ·机器学习 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章 实验设计与结果分析 | 第54-74页 |
| ·基于 KTH 数据库实验结果与分析 | 第54-65页 |
| ·参数设置 | 第54-55页 |
| ·随机森林分类算法评估 | 第55-59页 |
| ·SVM 分类算法评估 | 第59-65页 |
| ·小结 | 第65页 |
| ·基于 Weizmann 数据库实验结果与分析 | 第65-69页 |
| ·参数设置 | 第66页 |
| ·算法参数评估 | 第66-68页 |
| ·算法的人体动作识别准确率 | 第68页 |
| ·对比实验 | 第68-69页 |
| ·小结 | 第69页 |
| ·基于 UCF 数据库实验结果与分析 | 第69-73页 |
| ·参数设置 | 第69-70页 |
| ·算法评估 | 第70-72页 |
| ·对比实验 | 第72-73页 |
| ·小结 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| ·论文总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间发表或录用的论文 | 第84页 |
| 攻读硕士学位期间参加的课题与项目 | 第84页 |