| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 大范围监控视频系统的现状 | 第13-14页 |
| 1.2.2 行为分析的研究现状 | 第14-18页 |
| 1.2.3 隐条件随机场模型的研究现状 | 第18-19页 |
| 1.3 论文研究内容 | 第19页 |
| 1.4 论文组织安排 | 第19-21页 |
| 第二章 面向大范围视频中人的行为分析的HCRF模型 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 大范围视频中人的行为分析 | 第21-22页 |
| 2.3 面向大范围视频中人的行为分析的HCRF模型框架 | 第22-26页 |
| 2.4 面向大范围视频中人的特征提取 | 第26-28页 |
| 2.5 面向大范围视频中人的行为分析的HCRF模型构建 | 第28-30页 |
| 2.6 面向大范围视频中人的行为分析的HCRF模型训练 | 第30页 |
| 2.7 面向大范围视频中人的行为分析的HCRF模型推断 | 第30页 |
| 2.8 实验结果 | 第30-38页 |
| 2.8.1 实验数据 | 第30-32页 |
| 2.8.2 实验设置 | 第32-33页 |
| 2.8.3 隐变量状态数的确定 | 第33-34页 |
| 2.8.4 识别性能 | 第34-38页 |
| 2.9 本章小结 | 第38-39页 |
| 第三章 面向人的行为分析的l_(1/2)正则化HCRF模型 | 第39-57页 |
| 3.1 引言 | 第39页 |
| 3.2 正则化训练方法的整体框架 | 第39-41页 |
| 3.3 典型先验分布的HCRF正则化训练 | 第41-45页 |
| 3.3.1 l2正则化 | 第41-43页 |
| 3.3.2 l1正则化 | 第43-45页 |
| 3.4 l_(1/2)正则化HCRF模型 | 第45-47页 |
| 3.4.1 l_(1/2)正则化训练 | 第45-46页 |
| 3.4.2 优化过程实现 | 第46-47页 |
| 3.5 实验结果 | 第47-56页 |
| 3.5.1 l_(1/2)正则化训练方法的性能 | 第47-48页 |
| 3.5.2 不同方法之间的性能比较 | 第48-53页 |
| 3.5.3 正则化参数λ对结果的影响 | 第53-55页 |
| 3.5.4 正则化参数λ对模型稀疏化影响 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 面向人的行为分析的多样化HCRF模型 | 第57-71页 |
| 4.1 引言 | 第57页 |
| 4.2 HCRF模型多样化度量 | 第57-60页 |
| 4.2.1 HCRF模型多样化分析 | 第57-59页 |
| 4.2.2 HCRF模型多样化先验度量 | 第59-60页 |
| 4.3 HCRF模型的多样化训练方法 | 第60-62页 |
| 4.3.1 HCRF模型的多样化训练框架 | 第60-61页 |
| 4.3.2 多样化HCRF模型实现 | 第61-62页 |
| 4.4 实验结果 | 第62-70页 |
| 4.4.1 多样化HCRF模型的总体性能 | 第62-63页 |
| 4.4.2 与其他方法的比较 | 第63-64页 |
| 4.4.3 正则化参数λ对识别性能的影响 | 第64-68页 |
| 4.4.4 多样化HCRF模型的多样性评估 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 主要研究工作 | 第71页 |
| 5.2 未来研究展望 | 第71-73页 |
| 5.2.1 针对运动平台的大范围视频中人的行为分析 | 第71-72页 |
| 5.2.2 针对大范围视频图像的特征提取 | 第72页 |
| 5.2.3 针对参数多样化的训练方法 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
