| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 论文主要研究内容及章节安排 | 第13-15页 |
| 第二章 人体行为识别基础 | 第15-27页 |
| 2.1 前景提取方法 | 第15-18页 |
| 2.1.1 背景差分法 | 第15-16页 |
| 2.1.2 帧间差分法 | 第16页 |
| 2.1.3 基于混合高斯模型的方法 | 第16-17页 |
| 2.1.4 光流法 | 第17页 |
| 2.1.5 优缺点 | 第17-18页 |
| 2.2 人体行为特征 | 第18-20页 |
| 2.2.1 基于身体结构的特征 | 第18-19页 |
| 2.2.2 基于时-空关系的特征 | 第19-20页 |
| 2.2.3 基于光流信息的特征 | 第20页 |
| 2.3 人体行为的表征 | 第20-22页 |
| 2.4 分类器设计 | 第22-25页 |
| 2.4.1 单状态分类法 | 第22-24页 |
| 2.4.2 多状态空间分类法 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 前景目标图像提取与去噪 | 第27-45页 |
| 3.1 形态学去噪 | 第27-30页 |
| 3.2 基于分层筛选的前景图像去噪的算法思想 | 第30-32页 |
| 3.3 基于分层筛选方法的前景图像去噪的算法实现 | 第32-37页 |
| 3.3.1 第一层次去噪 | 第32-33页 |
| 3.3.2 独立连通区域 | 第33-35页 |
| 3.3.3 第二层次的去噪 | 第35页 |
| 3.3.4 分层筛选去噪算法流程图 | 第35-37页 |
| 3.4 实验与分析 | 第37-44页 |
| 3.4.1 实验准备 | 第37页 |
| 3.4.2 不同前景提取方法的去噪效果比较 | 第37-39页 |
| 3.4.3 基于形态学去噪方法的对比实验 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于AAFV和局部特征的分层人体行为识别算法 | 第45-57页 |
| 4.1 AAFV向量和局部特征 | 第45-48页 |
| 4.1.1 局部特征 | 第45-46页 |
| 4.1.2 AAI的生成 | 第46-47页 |
| 4.1.3 AAFV特征向量提取 | 第47-48页 |
| 4.2 分类算法设计 | 第48-54页 |
| 4.2.1 SVM 理论 | 第48-49页 |
| 4.2.2 基于SVM的分层分类算法设计 | 第49-54页 |
| 4.3 实验与分析 | 第54-56页 |
| 4.3.1 实验环境与数据集 | 第54页 |
| 4.3.2 结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于预判决的人体行为识别算法 | 第57-63页 |
| 5.1 算法设计 | 第57-61页 |
| 5.1.1 算法1空间复杂度 | 第57-58页 |
| 5.1.2 基于预判决的算法设计(算法2) | 第58-60页 |
| 5.1.3 算法2空间复杂度 | 第60-61页 |
| 5.2 实验与分析 | 第61-62页 |
| 5.2.1 实验环境与数据集 | 第61-62页 |
| 5.2.2 参数α | 第62页 |
| 5.2.3 结果与分析 | 第62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 后续工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读学位期间承担的科研任务与主要成果 | 第71-73页 |
| 致谢 | 第73-75页 |
| 个人简历 | 第75-79页 |