| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 选题依据及研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 基于时空的人体行为识别 | 第10-11页 |
| 1.3.2 基于状态序列的人体行为识别 | 第11-12页 |
| 1.3.3 基于深度神经网络的人体行为识别 | 第12页 |
| 1.4 研究发展态势 | 第12-13页 |
| 1.5 论文主要工作及成果 | 第13-14页 |
| 1.6 全文结构 | 第14-16页 |
| 第二章 相关理论和技术 | 第16-25页 |
| 2.1 深度神经网络理论 | 第16-18页 |
| 2.2 高维数据聚类技术 | 第18-19页 |
| 2.3 ISA独立子空间分析理论 | 第19-21页 |
| 2.4 ISA神经网络模型 | 第21-23页 |
| 2.5 ISA神经网络在人体行为识别研究领域的优势 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 改进的ISA深度网络 | 第25-41页 |
| 3.1 ISA神经网络的不足及改进模型的提出 | 第25-29页 |
| 3.2 基于细分融合模型SFM的改进ISA深度网络 | 第29-37页 |
| 3.2.1 基于细分的ISA深度网络训练阶段 | 第30-34页 |
| 3.2.2 基于融合的ISA深度网络识别阶段 | 第34-37页 |
| 3.3 聚类细分子类的两种方法 | 第37-40页 |
| 3.3.1 基于特征空间分布的细分方法 | 第37-39页 |
| 3.3.2 基于类不平衡现象的细分方法 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于改进ISA深度网络的人体行为识别研究系统实现 | 第41-58页 |
| 4.1 人体行为识别研究系统设计 | 第41-45页 |
| 4.1.1 功能描述 | 第41-43页 |
| 4.1.2 总流程 | 第43-44页 |
| 4.1.3 主界面 | 第44-45页 |
| 4.2 人体行为识别研究系统的训练过程实现 | 第45-51页 |
| 4.3 人体行为识别研究系统的特征可视化实现 | 第51-53页 |
| 4.4 人体行为识别研究系统的识别过程实现 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于改进ISA深度网络的人体行为识别实验和分析 | 第58-97页 |
| 5.1 实验环境 | 第58页 |
| 5.2 功能分析 | 第58-65页 |
| 5.3 实验和分析 | 第65-94页 |
| 5.3.1 Hollywood2视频库的实验和分析 | 第66-82页 |
| 5.3.2 KTH视频库的实验和分析 | 第82-88页 |
| 5.3.3 YouTube视频库的实验和分析 | 第88-94页 |
| 5.4 实验总结 | 第94-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第六章 结论 | 第97-100页 |
| 6.1 总结 | 第97-98页 |
| 6.2 展望 | 第98-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-105页 |
| 攻读硕士学位期间取得的成果 | 第105-106页 |
